BP3個重要函數(shù)介紹

1、第二部分工具箱講解MATLAB軟件中包含 MATLAB 神經(jīng)網(wǎng)絡工具箱，工具箱以人工神經(jīng)網(wǎng)絡為基礎，只要根 據(jù)自己需要調(diào)用相關函數(shù)，就可以完成網(wǎng)絡設計、權值初始化、網(wǎng)絡訓練等，MATLAB神經(jīng)網(wǎng)絡工具箱包括 的網(wǎng)絡有感知器、線性網(wǎng)絡、BP神經(jīng)網(wǎng)絡、徑向基網(wǎng)絡、自組織網(wǎng)絡和回歸網(wǎng)絡，BP神經(jīng)網(wǎng)絡工具箱主要包括newff, sim和train三個神經(jīng)網(wǎng)絡函數(shù)各函數(shù)的解釋如下：1 newff: BP神經(jīng)網(wǎng)絡參數(shù)設置函數(shù)函數(shù)功能：構建一個 BP神經(jīng)網(wǎng)絡。函數(shù)形式：net = newff(P,T,S,TF,BTF,BLF,PF,IPF,OPF,DDF)P:輸入數(shù)據(jù)矩陣T:輸出數(shù)據(jù)矩陣S:隱含層節(jié)點數(shù)TF

2、:節(jié)點傳遞函數(shù)，包括硬限幅傳遞函數(shù)hardlim，對稱硬限幅傳遞函數(shù)hardlims，線性傳遞函數(shù) purelin，正切S型傳遞函數(shù)tansig，對數(shù)S型傳遞函數(shù)logsigBTF :訓練函數(shù)，包括梯度下降BP算法訓練函數(shù)traingd，動量反傳的梯度下降BP算法訓練函數(shù)traingdm，動態(tài)自適應學習率的梯度下降BP算法訓練函數(shù)traingda，動量反傳和動態(tài)自適應學習率的梯度下降BP算法訓練函數(shù)traingdx，Levenberg_Marquardt 的 BP 算法訓練函數(shù) trainlmBLF :網(wǎng)絡學習函數(shù)，包括BP學習規(guī)則learngd，帶動量項的BP學習規(guī)則learngdmPF：性

3、能分析函數(shù)，包括 均值絕對誤差性能分析函數(shù)mae,mseIPF:輸入處理函數(shù)OPF：輸出處理函數(shù)DDF :驗證數(shù)據(jù)劃分函數(shù)一般在使用過程中設置前六個參數(shù)，后四個參數(shù)采用系統(tǒng)默認參數(shù)。2 train : BP神經(jīng)網(wǎng)絡訓練函數(shù)函數(shù)功能：用訓練數(shù)據(jù)訓練BP神經(jīng)網(wǎng)絡。函數(shù)形式：n et,tr = trai n( NET,X,T,Pi,Ai)NET :待訓練網(wǎng)絡X :輸入數(shù)據(jù)矩陣T:輸出數(shù)據(jù)矩陣Pi :初始化輸入層條件Ai :初始化輸出層條件net:訓練好的網(wǎng)絡tr: 訓練過程記錄一般在使用過程中設置前三個參數(shù)，后兩個參數(shù)采用系統(tǒng)默認參數(shù)。3 sim： BP神經(jīng)網(wǎng)絡預測函數(shù)函數(shù)功能：用訓練好的BP神經(jīng)網(wǎng)

4、絡預測函數(shù)輸出函數(shù)形式：y=sim( net,x)net：訓練好的網(wǎng)絡x：輸入數(shù)據(jù)y：網(wǎng)絡預測數(shù)據(jù)BP神經(jīng)網(wǎng)絡預測或者分只要我們能夠熟練掌握上述三個函數(shù)，就可以完整的編寫一個類的程序。第三部分程序示范1. %選連樣本輸入輸岀數(shù)據(jù)歸一化2. inputn,inputps= mapminmaXinput_train);3. outputn,outputps= mapminmaXoutput_train);4. % BF網(wǎng)絡訓練5. % %初始化網(wǎng)絡結(jié)構6. net=newff(inputn,outputn,5);7. net.trainParam.epochs=100;8. net.trainParam.lr=0.1;9. net.trainParam.goal=0.00004;10. 嗝絡訓練11. net=train(net,inputn,outputn);12. % BF網(wǎng)絡預測13. 癥測數(shù)據(jù)歸一化14. inputn_test= mapminmaXapply',input_test,inputps);15.15. 嗝絡預測輸出an=sim(net,inputn_test);18.