MATLAB-lv1

**

MATLAB神经网络43个案例分析

**

第一章：BP神经网络的数据分类

相关资料详情可看
代码以及数据

合理的分节

%%+空格+注释：可以将代码进行分节处理，增强代码的可读性

赋值语句带分号与不带分号的区别：

不带分号会默认输出，带分号则不会直接输出

load的用法：

load data1 c1 %加载data1中的变量c1;
详细情况见load的用法

sort的用法
详见sort用法

[B,ind] = sort(A)

对A进行排序，B为排序后的向量，ind是每一项对应于A中项的索引，索引默认按升序排列。

rand的用法

rand(m,n)生成m行n列均匀分布在0-1之间的伪随机数
randn(m,n)生成m行n列均匀分布在标准正态分布之间的伪随机数
rands(m,n)生成m行n列均匀分布在-1-1之间的伪随机数
randi(m,n)生成m行n列均匀分布的伪随机数

find的用法

find（A=B）
返回判断成立的位置
详见

变变化率学习算法：
随着学习过程的进行，学习率不断减小
xite(t) = xitemax - t*(xitemax - xitemin) / tmax
xite 是学习率，xitemax是最大学习率，xitemin是最小的学习率，t是当前的训练数据所在的循环值，tmax 是最大的循环值。

实现方法：
xite_list = rand(1,1500);
xitemax = max(xite_list);xitemin = min(xite_list);
xite_value = zeros(1,1500);%一定要在循环之外进行初始化
、、省略
for i = 1:1:1500

    %学习率变化
    xite = xitemax - i*(xitemax - xitemin) / 1500;
    xite_value(i) = xite;%将xite的值进行记录，便于查看

%画出xite的降低图像
figure(3)
plot(xite_value)

其他边学习率的方法