BP神经网络matlab实例(简单而经典).pdf

BP神经网络matlab实例简介 BP神经网络是一种常用的神经网络模型，它可以用来解决复杂的非线性问题。在matlab中，BP神经网络可以使用newff函数来建立，而train函数可以用来训练网络。在本文中，我们将详细介绍BP神经网络的matlab实例，包括网络的建立、训练和仿真。 一、BP神经网络的建立 在matlab中，可以使用newff函数来建立BP神经网络。newff函数的格式为： net = newff(PR, [S1 S2 ... SN], {TF1 TF2 ... TFN}, BTF, PF, PF) 其中，PR是输入样本的最小最大值矩阵，S1、S2、…、SN是各层的神经元个数，TF1、TF2、…、TFN是各层的神经元传递函数，BTF是训练用函数的名称，PF是性能函数的名称。 例如，以下代码可以建立一个简单的BP神经网络： net = newff(minmax(p), [5, 1], {'tansig', 'purelin'}, 'traingdx'); 其中，minmax(p)是输入样本的最小最大值矩阵，[5, 1]是各层的神经元个数，{'tansig', 'purelin'}是各层的神经元传递函数，'traingdx'是训练用函数的名称。 二、BP神经网络的训练 在matlab中，可以使用train函数来训练BP神经网络。train函数的格式为： [net, tr] = train(net, p, t) 其中，net是BP神经网络的结构，p是输入样本，t是输出样本。 例如，以下代码可以训练BP神经网络： [net, tr] = train(net, p, t); 其中，net是BP神经网络的结构，p是输入样本，t是输出样本。 三、BP神经网络的仿真 在matlab中，可以使用sim函数来对BP神经网络进行仿真。sim函数的格式为： anew = sim(net, pnew) 其中，net是BP神经网络的结构，pnew是新的输入样本，anew是输出结果。 例如，以下代码可以对BP神经网络进行仿真： pnew = tramnmx(pnew, minp, maxp); anew = sim(net, pnew); y = postmnmx(anew, mint, maxt); 其中，tramnmx函数可以将新的输入样本转换为归一化后的形式，postmnmx函数可以将输出结果转换为原始的形式。 四、BP神经网络的训练函数 在matlab中，BP神经网络的训练函数有多种选择，包括traingd、traingdm、traingda、traingdx、trainrp、traincgf、traincgp、traincgb、trainscg、trainbfg、trainoss、trainlm等。每种训练函数都有其特点和优缺点。 例如，traingdx函数是一种常用的训练函数，它可以使用弹性梯度下降法来训练BP神经网络。 五、BP神经网络的训练参数 在matlab中，BP神经网络的训练参数包括最大训练次数、训练要求精度等。这些参数可以通过net.trainParam来设置。 例如，以下代码可以设置BP神经网络的训练参数： net.trainParam.show = 2000; net.trainParam.lr = 0.01; net.trainParam.epochs = 100000; net.trainParam.goal = 1e-5; 其中，show是训练过程的显示参数，lr是学习率的参数，epochs是最大训练次数的参数，goal是训练要求精度的参数。