matlab收敛问题,关于Matlab的BP网络的收敛问题

%定义用5x3布尔量网络表示的16个十六进制数0，1，2，……9，A,……，F

X0=[1 1 1;1 0 1;1 0 1;1 0 1;1 1 1];X1=[0 1 0;0 1 0;0 1 0;0 1 0;0 1 0];

X2=[1 1 1;0 0 1;0 1 0;1 0 0;1 1 1];X3=[1 1 1;0 0 1;0 1 0;0 0 1;1 1 1];

X4=[1 0 1;1 0 1;1 1 1;0 0 1;0 0 1];X5=[1 1 1;1 0 0;1 1 1;0 0 1;1 1 1];

X6=[1 1 1;1 0 0;1 1 1;1 0 1;1 1 1];X7=[1 1 1;0 0 1;0 0 1;0 0 1;0 0 1];

X8=[1 1 1;1 0 1;1 1 1;1 0 1;1 1 1];X9=[1 1 1;1 0 1;1 1 1;0 0 1;1 1 1];

XA=[0 1 0;1 0 1;1 0 1;1 1 1;1 0 1];XB=[1 1 1;1 0 1;1 1 0;1 0 1;1 1 1];

XC=[1 1 1;1 0 0;1 0 0;1 0 0;1 1 1];XD=[1 1 1;1 0 1;1 0 1;1 0 1;1 1 1];

XE=[1 1 1;1 0 0;1 1 0;1 0 0;1 1 1];XF=[1 1 1;1 0 0;1 1 0;1 0 0;1 0 0];

%将每个用5x3布尔量网络表示的数按列表示，生成输入矩阵X

X=[X0(:) X1(:) X2(:) X3(:) X4(:) X5(:) X6(:) X7(:) X8(:)...

X9(:) XA(:) XB(:) XC(:) XD(:) XE(:) XF(:)];

%定义每个十六进制数对应的目标向量，生成目标矩阵T

T0=[0;0;0;0];T1=[0;0;0;1];T2=[0;0;1;0];T3=[0;0;1;1];

T4=[0;1;0;0];T5=[0;1;0;1];T6=[0;1;1;0];T7=[0;1;1;1];

T8=[1;0;0;0];T9=[1;0;0;1];TA=[1;0;1;0];TB=[1;0;1;1];

TC=[1;1;0;0];TD=[1;1;0;1];TE=[1;1;1;0];TF=[1;1;1;1];

T=[T0 T1 T2 T3 T4 T5 T6 T7 T8 T9 TA TB TC TD TE TF];

%建立网络

for hidden_num=4:15

perf_matrix=[];

net=newff(minmax(X),[hidden_num,4],{'tansig','purelin'},'traingdm');

%利用不含噪声的理想数据训练网络

net.trainParam.show=2000;

net.trainParam.epochs=4000;

net.trainParam.goal=0.01;

net.trainParam.lr=0.1;

net.trainParam.mc=0.95;

net.trainParam.min_grad=1e-15;

net=train(net,X,T);

A=sim(net,X);

err=T-A;

perf=mse(err);

perf_matrix=[perf_matrix perf];

clear net

end

%选择训练误差最小时所对应的隐层神经元数

best_hidden_num=3+find(perf_matrix==min(perf_matrix));

net=newff(minmax(X),[best_hidden_num,4],{'tansig','purelin'},'traingdm');

net.trainParam.show=1000;

net.trainParam.epochs=8000;

net.trainParam.goal=0.01;

net.trainParam.lr=0.1;

net.trainParam.mc=0.95;

net.trainParam.min_grad=1e-15;

net.trainParam.minstep=1e-10;

net=train(net,X,T);

%定义网络的输入为十六进制数1，3，5，7，9，B,D,F

X2=X(:,2:2:16);

t=T(:,2:2:16);

y=sim(net,X2)