BP神经网络matlab实例(简单而经典).pdf

实用标准文案 p=p1;t=t1; [pn,minp,maxp,tn,mint,maxt]=premnmx(p,t); % 原始数据归一化 net=newff(minmax(pn),[5,1],{tansig,purelin},traingdx); % 设置网络 ,建立相应的 BP 网络 net.trainParam.show=2000; % 训练网络 net.trainParam.lr=0.01; net.trainParam.epochs=100000; net.trainParam.goal=1e-5; [net,tr]=train(net ,pn,tn); % 调用 TRAINGDM 算法训练 BP 网络 pnew=pnew1; pnewn=tramnmx(pnew,minp,maxp); anewn=sim(net,pnewn); % 对 BP 网络进行仿真 anew=postmnmx(anewn,mint,maxt); %还原数据 y=anew; 1 、BP 网络构建 （1 ）生成 BP 网络 net newff ( PR,[ S1 S2...SNl],{ TF 1 TF 2...TFNl }, BTF , BLF , PF ) 精彩文档 实用标准文案 PR ：由 R维的输入样本最小最大值构成的 R 2 维矩阵。 [ S1 S2...SNl] ：各层的神经元个数。 {TF 1 TF 2...TFNl } ：各层的神经元传递函数。 BTF ：训练用函数的名称。 （2 ）网络训练 [ net ,tr ,Y , E, Pf , Af ] train (net , P,T , Pi , Ai ,VV ,TV ) （3 ）网络仿真 [Y , Pf , Af , E , perf ] sim (net , P, Pi , Ai ,T ) {tansig,purelin},trainrp BP 网络的训练函数 训练方法 训练函数 梯度下降法 traingd 有动量的梯度下降法 traingdm 自适应 lr 梯度下降法 traingda 自适应 lr 动量梯度下降法 traingdx 弹性梯度下降法 trainrp Fletcher-Reeves 共轭梯度法 traincgf Ploak-Ribiere 共轭梯度法 traincgp Powell-Beale 共轭梯度法 traincgb 量化共轭梯度法 trainscg 拟牛顿算法 trainbfg 一步正割算法 trainoss 精彩文档 实用标准文案 Levenberg-Marquardt trainlm BP 网络训练参数 训练参数