matlab BP神经网络

最新推荐文章于 2024-08-04 16:31:43 发布

位沁

最新推荐文章于 2024-08-04 16:31:43 发布

阅读量257

点赞数 2

分类专栏： matlab

本文链接：https://blog.csdn.net/qq_43543515/article/details/117397281

版权

本文介绍了MATLAB中BP神经网络的训练函数，包括梯度下降法、共轭梯度法和拟牛顿算法等，并讨论了训练参数的设置。通过示例展示了如何创建具有两层隐含层的前向BP网络，强调了清除`net.divideFcn`属性以获取更准确结果的重要性。同时，给出了`newff`函数的使用语法和一个具体的网络配置及训练过程，最终展示预测结果。

摘要由CSDN通过智能技术生成

在这里插入图片描述
BP网络的训练函数

在这里插入图片描述

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
在这里插入图片描述

在Matlab中，如果要创建一个具有两个隐含层、且神经元数分别为5、3的前向BP网络，使用旧的语法可以这样写：

net2 = newff(P, T, [5 3]);

不过，为了得到与书本示例接近的结果，接下来需要清除net2.divideFcn等属性再训练，否则结果相去甚远，且远不止一个数量级。

net2.divideFcn = '';
net2.inputs{
   1}.processFcns = {
   };　　% 1是输入层所在网络层编号
net2.outputs{
   3}.processFcns = {
   };    % 3 是输出层所在网络层编号

clear all

P = [-1 -1 2 2; 0 5 0 5];

T = [-1 -1 2 2];

 

%% 新式语法

net2 = newff(P,T,5,{
   'tansig', 'purelin'}, 'traingd'); % 隐含层有5个神经元

 

net2.trainParam.goal = 1e-5;

net2.trainParam.epochs = 300;

net2.trainParam.lr = 0.05;

net2.trainParam.showWindow = 1;

net2 = train(net2,P,T);

 

Y2