BP神经网络与MATLAB实现案例一

众做周知，BP神经网络是最常用的一种神经网络。
本文主要讲解%实现对玫瑰的识别%案例。
关于神经网络的介绍与BP的详解，论坛里铺天盖地，不在此赘述。

一.BP简述

简要概括一下：

• 一个输入层、一个隐层、一个输出层的神经网络足以应付大部分训练
• BP的主要特点:信号前向传播，误差反向传播
• 激励函数为取Sigmoid函数
• 大体流程：数据预处理、初始化网络、计算隐层输出、得出输出层输出、计算误差、更新连接权值、检查迭代、仿真

二. 训练过程（以识别玫瑰为例）

1. 提取红玫瑰(1)、粉玫瑰(2)、蓝玫瑰(3)的外形（appearance），花瓣大小（petal），气味（taste），绽放程度（bloom）整理成数据（英语随便整的不要介意），见下图
2. 归一化数据、构造输出矩阵、创建神经网络、设置参数、启动训练、反归一化、仿真
3. 其中最大迭代次数300、期望误差0.01、学习效率0.01
4. 输出识别率：96.00%