小波神经网络程序

这是一个小波神经网络程序,作者judyever

%参考<青岛海洋大学学报> 2001年第1期一种基于BP算法学习的小波神经网络%% %step1--------网络初始化-------------------------------------------

clc;

clear all;

%设定期望的误差最小值

err_goal=0.001;

%设定最大循环次数

max_epoch=50;

%设定修正权值的学习速率0.01-0.7

lr=0.7;

epoch=0;

x=0:0.01:0.3;%输入时间序列

d=sin(8*pi*x)+sin(16*pi*x);%目标输出序列

M=size(x,2);%输入节点的个数

N=M;%输出节点的个数

n=10;%隐形节点的个数

%这个地方需要改进，由于实际上隐形节点的个数可以通过小波的时频分析确定

Wjk=randn(n,M);

Wij=randn(N,n);

% a=randn(1,n);

a=1:1:n;

b=randn(1,n);

% stepa=0.2*(x(M)-x(1));

% a=stepa(n-1)+stepa;

% step=(x(M)-x(1))/n;

% b=x(1)+step:step:x(1)+n*step;

% y=zeros(1,N);%输出节点初始化

y=zeros(1,N);%输出节点初始化

net=zeros(1,n);%隐形节点初始化

net_ab=zeros(1,n);%隐形节点初始化

%step2--------对网络进行训练-------------------------------------------

for i=1:1:N

for j=1:1:n

for k=1:1:M

net(j)=net(j)+Wjk(j,k)*x(k);

net_ab(j)=(net(j)-b(j))/a(j);

end

y(i)=y(i)+Wij(i,j)*mymorlet(net_ab(j));

%mymorlet是judyever编写的小波函数，以后可以扩展成输入不同的小波名字即可

% y(i)=mysigmoid(2,y(i));

end

end

% plot(x,d,'r',x,y);

% title('训练前的目标序列和实际输出序列');

err=d-y;

SSE=err*err';

%step3--------调整各个参数-------------------------------------------

while (SSE>err_goal & epoch

d_Wjk=zeros(n,M);

d_Wij=zeros(N,n);

d_a=zeros(1,n);

d_b=zeros(1,n);

for i=1:1:N

for j=1:1:n

d_Wij(i,j)=-(d(i)-y(i))*mymorlet(net_ab(j));

%调整d_Wij(i,j)

for k=1:1:M

d_Wjk(j,k)=d_Wjk(j,k)+ (d(i)-y(i)) * Wij(i,j) ;%计算还没有结束

d_Wjk(j,k)=-d_Wjk(j,k)*d_mymorlet(net_ab(j))*x(k)/a(j);%计算结束end

%调整d_Wjk(j,k)

d_b(j)=d_b(j)+(d(i)-y(i))*Wij(i,j);%计算还没有结束

d_b(j)=d_b(j)*d_mymorlet(net_ab(j))/a(j);%计算结束

%调整d_b(j)

d_a(j)=d_a(j)+(d(i)-y(i))*Wij(i,j);%计算还没有结束

d_a(j)=d_a(j)*d_mymorlet(net_ab(j))*((net(j)-b(j))/b(j))/a(j);%计算结束%调整d_a(j)

end

end

%step4--------网络重新计算-------------------------------------------

Wij=Wij-lr*d_Wij;

Wjk=Wjk-lr*d_Wjk;

b=b-lr*d_b;

a=a-lr*d_a;

%修正各个权值

y=zeros(1,N);%输出节点初始化

net=zeros(1,n);%隐形节点初始化

net_ab=zeros(1,n);%隐形节点初始化

for i=1:1:N

for j=1:1:n

for k=1:1:M

net(j)=net(j)+Wjk(j,k)*x(k);

net_ab(j)=(net(j)-b(j))/a(j);

end

y(i)=y(i)+Wij(i,j)*mymorlet(net_ab(j));

%mymorlet是judyever编写的小波函数，以后可以扩展成输入不同的小波名字即可% y(i)=mysigmoid(2,y(i));

end

end

epoch=epoch+1;

err=d-y;

SSE=err*err'/M;

[ epoch SSE]

end

%step5--------输出-------------------------------------------

plot(x,d,'r',x,y,':');

title('训练后的目标序列和实际输出序列');

% gtext({'This is the first line','This is the second line'})

% gtext({'First line','Second line'},'FontName','Times','Fontsize',12)

legend('target output','WNN output',1);

这里面用到的两个子程序分别是：

function y=mymorlet(t)

y = exp(-(t.^2)/2) * cos(1.75*t); %%%%%%%%%%%%%%%%%%%%%%555

function y=d_mymorlet(t)

y = -1.75*sin(1.75*t).*exp(-(t.^2)/2)-t* cos(1.75*t).*exp(-(t.^2)/2) ;