BP神经网络实验详解（MATLAB实现）

前言

分享一份之前上神经网络课上布置的练习题Demo。参数什么的可能在不同电脑上需要有所调整，还望用餐愉快。

题目

设计实现模糊控制规则为T = int((e+ec)/2)的模糊神经网络控制器，其中输入变量e和ec的变化范围分别是：e = int[-2, 2]，ec = int[-2, 2]。网络设计的目标误差为0.001。

解答

1.网络结构

输入输出数据根据题意列出：
P=[-2 -2 -2 -2 -2 -1 -1 -1 -1 -1 0 0 0 0 0 1 1 1 1 1 2 2 2 2 2; -2 -1 0 1 2 -2 -1 0 1 2 -2 -1 0 1 2 -2 -1 0 1 2 -2 -1 0 1 2 ];

T=[-2 -2 -1 -1 0 -2 -1 -1 0 0 -1 -1 0 0 1 -1 0 0 1 1 0 0 1 1 2];

因此输入为25组样本，需要输入节点数为2，输出节点数仅需1即可。

由于输入输出节点数很少，因此优先考虑单层隐含层神经网络。即网络结构初步定为2-S1-1，隐含层采用S型正切激活函数，输出层采用线性激活函数，隐含层节点数待定。

2. 隐含层节点数S1的确定

确定隐含层节点数需要通过对S1取不同值的训练情况来分析，得出较好的S1作为确定的节点数。在此之前，需要大致初始化一个学习速率 lr。取最大训练次数epochs=10000 ；目标误差goal=0.001。

网络初始化及训练的MATLAB代码：

clear;
ec=[-2 -1 0 1 2];
%输入矢量，输入节点为2
P=[-2 -2 -2 -2 -2 -1 -1 -1 -1 -1 ...
 	0 0 0 0 0 1 1 1 1 1 2 2 2 2 2;
    -2 -1 0 1 2 -2 -1 0 1 2 -2 -1 ...
    0 1 2 -2 -