bp神经网络matlab实例,BP神经网络matlab实例(简单而经典)

p=p1';t=t1';

[pn,minp,maxp,tn,mint,maxt]=premnmx(p,t); %原始数据归一化

net=newff(minmax(pn),[5,1],{'tansig','purelin'},'traingdx');%设置网络,建立相应的BP网络net.trainParam.show=2000; % 训练网络

net.trainParam.lr=0.01;

net.trainParam.epochs=100000;

net.trainParam.goal=1e-5;

[net,tr]=train(net ,pn,tn); %调用TRAINGDM算法训练BP 网络

pnew=pnew1';

pnewn=tramnmx(pnew,minp,maxp);

anewn=sim(net,pnewn); %对BP网络进行仿真

anew=postmnmx(anewn,mint,maxt); %还原数据

y=anew';

1、BP网络构建

(1)生成BP网络

=

(,[1 2...],{ 1 2...},,,) net newff PR S S SNl TF TF TFNl BTF BLF PF

R?维矩阵。

PR：由R维的输入样本最小最大值构成的2

S S SNl：各层的神经元个数。

[1 2...]

TF TF TFNl：各层的神经元传递函数。

{ 1 2...}

BTF：训练用函数的名称。

(2)网络训练

=

[,,,,,] (,,,,,,)

net tr Y E Pf Af train net P T Pi Ai VV TV

(3)网络仿真

Y Pf Af E perf sim net P Pi Ai T

=

[,,,,] (,,,,)

{'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