BP神经网络matlab实例

神经网络Matlab
p=p1';t=t1';
[pn,minp,maxp,tn,mint,maxt]=premnmx(p,t); %原始数据归一化net=newff(minmax(pn),[5,1],{'tansig','purelin'},'traingdx');%设置网络,建立相应的BP网络
net.trainParam.show=2000; % 训练网络
net.trainParam.lr=0.01;
net.trainParam.epochs=100000;
net.trainParam.goal=1e-5;
[net,tr]=train(net ,pn,tn);
%调用TRAINGDM算法训练BP网络
pnew=pnew1';
pnewn=tramnmx(pnew,minp,maxp);
anewn=sim(net,pnewn);
%对BP网络进行仿真
anew=postmnmx(anewn,mint,maxt);
%还原数据
y=anew';
1、BP网络构建
（1）生成BP网络
=
net newff PR S S SNl TF TF TFNl BTF BLF PF
(,[1 2...],{ 1 2...},,,)
R⨯维矩阵。

PR：由R维的输入样本最小最大值构成的2
S S SNl：各层的神经元个数。

[1 2...]
TF TF TFNl：各层的神经元传递函数。

{ 1 2...}
BTF：训练用函数的名称。

（2）网络训练
=
[,,,,,] (,,,,,,)
net tr Y E Pf Af train net P T Pi Ai VV TV （3）网络仿真
=
[,,,,] (,,,,)
Y Pf Af E perf sim net P Pi Ai T
{'tansig','purelin'},'trainrp'
BP网络的训练函数
训练方法训练函数
梯度下降法traingd
有动量的梯度下降法traingdm
自适应lr梯度下降法traingda
自适应lr动量梯度下降法traingdx
弹性梯度下降法trainrp Fletcher-Reeves共轭梯度法traincgf Ploak-Ribiere共轭梯度法traincgp Powell-Beale共轭梯度法traincgb
量化共轭梯度法trainscg
拟牛顿算法trainbfg
一步正割算法trainoss Levenberg-Marquardt trainlm
BP网络训练参数
训练参数参数介绍训练函数
net.trainParam.epoc hs 最大训练次数（缺省
为10）
traingd、traingdm、
traingda、traingdx、
trainrp、traincgf、
traincgp、traincgb、
trainscg、trainbfg、
trainoss、trainlm
net.trainParam.goal 训练要求精度（缺省
为0）traingd、traingdm、traingda、traingdx、trainrp、traincgf、traincgp、traincgb、trainscg、trainbfg、trainoss、trainlm
net.trainParam.lr学习率（缺省为0.01）traingd、traingdm、
traingda、traingdx、
trainrp、traincgf、
traincgp、traincgb、
trainscg、trainbfg、
trainoss、trainlm net.trainParam.max_最大失败次数（缺省traingd、traingdm、
fail 为5）traingda、traingdx、
trainrp、traincgf、
traincgp、traincgb、
trainscg、trainbfg、
trainoss、trainlm
net.trainParam.min_ grad 最小梯度要求（缺省
为1e-10）
traingd、traingdm、
traingda、traingdx、
trainrp、traincgf、
traincgp、traincgb、
trainscg、trainbfg、
trainoss、trainlm
net.trainParam.show 显示训练迭代过程
（NaN表示不显示，
缺省为25）traingd、traingdm、traingda、traingdx、trainrp、traincgf、traincgp、traincgb、trainscg、trainbfg、trainoss、trainlm
net.trainParam.time 最大训练时间（缺省
为inf）traingd、traingdm、traingda、traingdx、trainrp、traincgf、traincgp、traincgb、trainscg、trainbfg、。