nar神经网络_paper 75：使用MATLAB的神经网络工具箱创建神经网络

% 生成训练样本集

clear all;

clc;

P=[110 0.807 240 0.2 15 1 18 2 1.5;

110 2.865 240 0.1 15 2 12 1 2;

110 2.59 240 0.1 12 4 24 1 1.5;

220 0.6 240 0.3 12 3 18 2 1;

220 3 240 0.3 25 3 21 1 1.5;

110 1.562 240 0.3 15 3 18 1 1.5;

110 0.547 240 0.3 15 1 9 2 1.5];

0 1.318 300 0.1 15 2 18 1 2];

T=[54248 162787 168380 314797;

28614 63958 69637 82898;

86002 402710 644415 328084;

230802 445102 362823 335913;

60257 127892 76753 73541;

34615 93532 80762 110049;

56783 172907 164548 144040];

@907 117437 120368 130179];

m=max(max(P));

n=max(max(T));

P=P'/m;

T=T'/n;

%-------------------------------------------------------------------------%

pr(1:9,1)=0; %输入矢量的取值范围矩阵

pr(1:9,2)=1;

bpnet=newff(pr,[12 4],{'logsig', 'logsig'}, 'traingdx', 'learngdm');

%建立BP神经网络， 12个隐层神经元，4个输出神经元

%tranferFcn属性 'logsig' 隐层采用Sigmoid传输函数

%tranferFcn属性 'logsig' 输出层采用Sigmoid传输函数

%trainFcn属性 'traingdx' 自适应调整学习速率附加动量因子梯度下降反向传播算法训练函数

%learn属性 'learngdm' 附加动量因子的梯度下降学习函数

net.trainParam.epochs=1000;%允许最大训练步数2000步

net.trainParam.goal=0.001; %训练目标最小误差0.001

net.trainParam.show=10; %每间隔100步显示一次训练结果

net.trainParam.lr=0.05; %学习速率0.05

bpnet=train(bpnet,P,T);

%-------------------------------------------------------------------------

p=[110 1.318 300 0.1 15 2 18 1 2];

p=p'/m;

r=sim(bpnet,p);

R=r'*n;

display(R);