matlab BP神经网络机器学习函数逼近

最新推荐文章于 2024-07-30 10:18:44 发布

Half0pen

最新推荐文章于 2024-07-30 10:18:44 发布

阅读量1.7w

点赞数 7

分类专栏： matlab machine learning

本文链接：https://blog.csdn.net/Half_open/article/details/50639037

版权

本文介绍了如何在Matlab中构建和训练BP神经网络，用于机器学习和函数逼近任务。详细讨论了网络构建的步骤，包括输入样本处理、神经元数量选择及传递函数类型。并通过三个具体示例展示了BP网络在非线性函数逼近的应用，其中涉及不同隐藏层神经元数量的选择和不同转移函数的使用。最后，提出了一个用六条历史数据预测上证指数未来值的三层BP网络构建问题。

摘要由CSDN通过智能技术生成

1、BP网络构建

（1）生成BP网络

：由维的输入样本最小最大值构成的维矩阵。

：各层的神经元个数。

：各层的神经元传递函数。

：训练用函数的名称。

（2）网络训练

（3）网络仿真

{'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
Levenberg-Marquardt	trainlm

BP网络训练参数

训练参数	参数介绍	训练函数
net.trainParam.epochs	最大训练次数（缺省为10）	traingd、traingdm、traingda、traingdx、trainrp、traincgf、traincgp、traincgb、trainscg、trainbfg、trainoss、trainlm
net.trainParam.goal	训练要求精度（缺省为0）	traingd、traingdm、traingda、traingdx、trainrp、traincgf、traincgp、traincgb、trainscg、trainbfg、trainoss、trainlm
net.trainParam.lr	学习率（缺省为0.01）	traingd、<