bp神经网络在matlab,BP神经网络在MATLAB上的方便实现

1引言人工神经网络(AltifiCialNbtll31N6tW0rkS，简称为NN)系统自本世纪四十年代末诞生至今仅短短的半个多世纪，但由于它具有信息的分布存储、并行处理以及自学习能力等优点，已经在信息处理、模式识别、智能控制及系统建模等领域得到越来越广泛的应用。尤其是基于误差反向传播(BackpIDmphon)算法的多层前馈网络(MultiPlelayefoe‘llorwalxlnetwork)(简称BP网络)，可以以任意精度逼近任意的连续函数卜，所以广泛应用于非线性建模、函数逼近、模式分类等方面。近年来，为了解决BP网络收敛速度慢，训练时间长等不足，提出了许多改进算法2134。然而，在应用BP网络解决实际问题的过程中，选择多少层网络、每层多少个神经元节点；选择何种传输函数、何种训练算法等，均无可行的理论指导，只能通过大量的实验计算获得。这无形增加了研究工作量和编程计算工作量。在目前工程计算领域较为流行的软件MAMB中，提供了一个现成的神经网络工具箱(NetllalNetworkfbi)irxix，简称NNha)，为解决这个矛盾提供了便利条件。本文针对BP网络的建立、传输函数的选择、网络的训练、网络的检验，在介绍NNha相关函数的基础上，给出利用这些函数编程的方法和应用示例。2BP网络的建立为了便于问题说明，首先给出基本神经元和BP网络模型及相关变量，有关BP网络和算法，请参阅5。(l)神经元模型一个有R个输入的基本神经元模型如图1所示。其中P为输入向量，W为权向量，b为阈值，正为传输函数，a为神经元输出。(2)BP神经网络模型图2所示为具有R个输入，S个岭ig传输函数的基本神经元组成的单层BP网络模型。图3所示为两层BP网络模型。其中两输入、三输出变量，输入层四个非线性神经元。输出层三个线性神经元。(3)BP网络的建立函数Nnha提供了建立神经网络的专用函数Neall()。该函数的调用格式为：netnewtA，l，c，TndnFun)其中net中存放所建立的网络属性和网络参数，四个输入变量分别为ARxZ的矩阵，每行两元素分别为每个输入向量的最大和最小值；卜一行向量，每个元素表示每层神经元的个数；c一字符串向董，元素为每层神经元的传输函数名；TrainFun字符串变量，为网络的训练函数名。如果建立图3所示的网络，可用以下的指令：netend(18，100，060，4，3，I‘tansig’，‘叩初h’I，‘usi呻’)；值得指出的是，由于非线性传输函数对输出具有压缩作用，故输出层通常采用线性传输函数，用以展宽输出范围。3网络训练及仿真网络的训练和仿真是应用神经网络的重要环节，对BP网络而言，目前已提出数十种训练和学习算法。在NNlxix中，给出了十多种网络学习、训练函数，其采用的算法可分为基本的梯度下降算法和快速算法，各种算法的推导参见文献6。同时也提供了网络初始化和仿真函数。(l)初始化函数初始化函数用于在对所建立的网络训练前为网络权矩阵W和阈值向量b赋初始值，此值对算法的收敛性及训练速度具有一定的影响，所以初始化就显得十分必要和重要。Nnbo提供的初始化函数及调用格式为：netinit(ne)；其中参数net为end所建立的网络，变量net为初始化后的网络。这种初始化为缺省初始化，即将网络中线性神经元层的权矩阵W和阈值向量b赋以l，l间的随机数，而非线性神经元层按NMenWidIDw法5初始化。这种缺省初始化在调用网络建立函数end时自动完成，可以不必单独调用init函数。但使用者可以通过init函数及相关的网络参数设置对网络进行特定的初始