该楼层疑似违规已被系统折叠 隐藏此楼查看此楼
clear; clc;
SamNum = 13; % 输入样本数量
TestSamNum = 13; % 测试样本数量
ForcastSamNum = 1; % 预测样本数量
HiddenUnitNum=6; % 隐含层
InDim = 8; % 输入层
OutDim = 1; % 输出层
% 原始数据
p=[3.2 3.2 3 3.2 3.2 3.4 3.2 3 3.2 3.2 3.2 3.9 3.1;
9.6 10.3 9 10.3 10.1 10 9.6 9 9.6 9.2 9.5 9 9.5;
3.45 3.75 3.5 3.65 3.5 3.4 3.55 3.5 3.55 3.5 3.4 3.1 3.6;
2.15 2.2 2.2 2.2 2 2.15 2.14 2.1 2.1 2.1 2.15 2 2.1;
140 120 140 150 80 130 130 100 130 140 115 80 90;
2.8 3.4 3.5 2.8 1.5 3.2 3.5 1.8 3.5 2.5 2.8 2.2 2.7;
11 10.9 11.4 10.8 11.3 11.5 11.8 11.3 11.8 11 11.9 13 11.1;
50 70 50 80 50 60 65 40 65 50 50 50 70];
t=[2.24 2.33 2.24 2.32 2.2 2.27 2.2 2.26 2.2 2.24 2.24 2.2 2.2];
[p1,minp,maxp,t1,mint,maxt]=premnmx(p,t);
SamOut = t1; % 输出样本
MaxEpochs = 50000; % 最大训练次数
lr = 0.05; % 学习率
E0 = 1e-5; % 目标误差
rng('default');
W1 = rand(HiddenUnitNum, InDim); % 初始化输入层与隐含层之间的权值
B1 = rand(HiddenUnitNum, 1); % 初始化输入层与隐含层之间的阈值
W2 = rand(OutDim, HiddenUnitNum); % 初始化输出层与隐含层之间的权值
B2 = rand(OutDim, 1); % 初始化输出层与隐含层之间的阈值
ErrHistory = zeros(MaxEpochs, 1);
for i = 1 : MaxEpochs
HiddenOut = logsig(W1*p + repmat(B1, 1, SamNum)); % 隐含层网络输出
NetworkOut = W2*HiddenOut + repmat(B2, 1, SamNum); % 输出层网络输出
Error = SamOut - NetworkOut; % 实际输出与网络输出之差
SSE = sumsqr(Error); % 能量函数(误差平方和)
ErrHistory(i) = SSE;
if SSE < E0
break;
end
% 以下六行是BP网络最核心的程序
% 权值(阈值)依据能量函数负梯度下降原理所作的每一步动态调整量
Delta2 = Error;
Delta1 = W2' * Delta2 .* HiddenOut .* (1 - HiddenOut);
dW2 = Delta2 * HiddenOut';
dB2 = Delta2 * ones(SamNum, 1);
dW1 = Delta1 * p';
dB1 = Delta1 * ones(SamNum, 1);
% 对输出层与隐含层之间的权值和阈值进行修正
W2 = W2 + lr*dW2;
B2 = B2 + lr*dB2;
% 对输入层与隐含层之间的权值和阈值进行修正
W1 = W1 + lr*dW1;
B1 = B1 + lr*dB1;
end
HiddenOut = logsig(W1*p + repmat(B1, 1, TestSamNum)); % 隐含层输出最终结果
NetworkOut = W2*HiddenOut + repmat(B2, 1, TestSamNum); % 输出层输出最终结果
a = postmnmx(NetworkOut, mint, maxt); % 还原网络输出层的结果
x = 1 : 13; % 序号刻度
newk = a(1, :); % 网络输出量
subplot(2,1, 1);
plot(x, newk, 'r-o', x, t1, 'b--+');
legend('网络输出量', '实际量');
xlabel('序号');
ylabel('成绩');
% 利用训练好的网络进行预测
pnew=[3.0;9.3;3.3;2.05;100;2.8;11.2;50]; % 15的相关数据;
pnewn = tramnmx(pnew, minp, maxp);
HiddenOut = logsig(W1*pnewn + repmat(B1, 1, ForcastSamNum)); % 隐含层输出预测结果
anewn = W2*HiddenOut + repmat(B2, 1, ForcastSamNum); % 输出层输出预测结果
anew = postmnmx(anewn, mint, maxt);
disp('预测值d:');
disp(anew);