每天一点matlab——BP神经网络

 

 

BP算法过程

 

（1）初始化

 对权值矩阵W、V赋随机数，将样本模式计数器p和训练次数计数器q置为1，误差E置0，学习率η设为0~1内的小数，网络训练后达到的精度设为一个正的小数。

 （2）输入训练样本对，计算各层输出用当前样本对X，d序列赋值

 （3）计算网络输出误差设共有P对训练样本，网络对于不同的样本具有不同的误差：

           采用均方根误差作为总误差：

 （4）计算各层误差信号

 （5）调整各层权值

 （6）检查是否对所有样本完成一次轮训

          若p<,P,计数器p、增1，返回步骤（2），否则转步骤（7）。

 （7）检查网络总误差是否达到精度要求

 

BP神经网络设计与训练

 

1.BP神经网络的设计方法

    按照BP神经网络设计方法选用两层BP网络。采用newff函数来建立BP网络。其输入节点数为16×16＝256，隐层传输函数为Sigmoid函数。假设用一个输出节点表示10个数字，则输出层传输函数为pureline，隐层节点数为，取25。

 

2.神经网络仿真程序设计

  构造训练样本集，并构成训练所需的输入向量p和目标向量t.通过画图工具获得数字。本例构造了新宋体12号、8号字体各10个，黑体12号、8号各10个，及宋体加粗18号字体。

 

3.神经网络测试。

    由于图像处理的复杂性，对于不同噪声的污染选择不同的方法，选择没有噪声的数字进行测试。选择训练样本中的任意数据进行测试，结构非常正确。选择生成的新宋体8号大小的数字进行测试。结果正确，选择其他类型的字体进行测试，则结果不是完全正确。