matlab实现简单BP神经网络（不使用工具箱），两种求误差方式

最新推荐文章于 2024-08-04 16:31:43 发布

Lt-Simo

最新推荐文章于 2024-08-04 16:31:43 发布

阅读量1w

点赞数 9

分类专栏： fpga 文章标签：神经网络

本文链接：https://blog.csdn.net/qq_15058709/article/details/78196676

版权

本文介绍了如何在MATLAB中不使用工具箱实现BP神经网络，模拟y=1+x+x*x函数。网络结构为1-8-1，数据分为训练集和测试集。误差计算有两种方式：一是测试集合100个数据的平均误差，二是训练集合的全局误差累计绝对值。

摘要由CSDN通过智能技术生成

BP网络实现y=1+x+x*x函数模拟，输入层一个节点，隐含层8个节点，输出层1个节点

将数据分为测试集合和训练集合两部分

%% BP算法模拟 y = 1 + x + x*x
%作者：msl 时间：2017-10-07
clc;
clear;
%% step0:定义
TrainCount = 1000;%最大训练次数为2000次
DataNum = 1001;%训练的数据有1001个
Hide_Out = zeros(1,8);%初始化隐含层输出
Hide_OutTest = zeros(1,8);
Rata_H = 0.2;%隐含层学习速率
Rata_O = 0.1;%输出层学习速率
%% step1：取数据
x = -5:0.01:6;%x的训练数据
y = 1 + x + x.*x;%y对应于x的数据
%% step2:训练数据归一化和初始化权值
x_Nor = (x -(-5) + 1)/(5 - (-5) + 1);%x归一化后得到的数据
y_Nor = (y - 0.75 + 1)/(31 - 0.75 + 1);%y归一化后得到的数据
w = 2*(rand(1,8)-0.5);%得到输入层到隐含层的8个权值初始化
v = 2*(rand(1,8)-0.5);%得到隐含层到输出层的8个权值初始化
dw = zeros(1,8);%隐含层权值调整量初始化 0
dv = zeros(1,8);%输出层权值调整量初始化 0
%%  CH  建立训练集和测试集
xNum=length(x);
Itest=1:11:xNum;
Xtest_Nor=x_Nor(Itest);
Ytest_Nor=y_Nor(Itest);

Xtrain_Nor=x_Nor;
Ytrain_Nor=y_Nor;
Xtrain_No