BP神经网络maab实例简单而经典

1、%原始数据归一化p=p1't=t1'pn,minp,maxp,tn,mint,maxt=premnmx(p,t);net=newff(minmax(pn),5,1,'tansig','purelin','traingdx');噱置网络，建立相应的 BP 网络%训练网络,pn,tn);%调用TRAINGDM算法训练BP网络pnew=pnew1'%对BP网络进行仿真%还原数据pnewn=tramnmx(pnew,minp,maxp);anewn=sim(net,pnewn);anew=postmnmx(anewn,mint,m

2、axt);y=anew'1、BP网络构建(1)生成BP网络PR:由R维的输入样本最小最大值构成的 R 2维矩阵S1 S2SNl:各层的神经元个数。TF1 TF2.TFNl:各层的神经元传递函数BTF ：训练用函数的名称(2)网络训练(3)网络仿真'tansig','purelin','trainrp'BP网络的训练函数训练方法训练函数梯度卜降法traingd启动量的梯度卜降法traingdm自适应lr梯度卜降法traingda自适应lr动量梯度卜降法traingdx弹性梯度卜降法trainrpFletcher-Reeve大腕梯度法trai

3、ncgfPloak-Ribiere共腕梯度法traincgpPowell-Beale# 腕梯度法traincgb量化共腕梯度法trainscg拟牛顿算法trainbfg一步正割算法trainossLevenberg-MarquardttrainlmBP网络训练参数训练参数参数介绍训练函数最大训练次数（缺省为10）traingd 、traingdm、traingda、 traingdx、 trainrp 、 traincgf 、 traincgp、 traincgb、trainscg、 trainbfg、 trainoss trainlm训练要求精度（缺省为0）traingd 、traingdm

4、、traingda、 traingdx、 trainrp 、 traincgf 、 traincgp、 traincgb、trainscg、 trainbfg、 trainoss trainlm学习率（缺省为）traingd 、 traingdm、traingda、 traingdx、trainrp 、 traincgf 、traincgp、 traincgb、 trainscg、 trainbfg、trainoss trainlm最大失败次数（缺省为5）traingd 、traingdm、traingda、 traingdx、 trainrp 、 traincgf 、 traincgp、 t

5、raincgb、 trainscg、 trainbfg、trainoss trainlm最小梯度要求（缺省为1e-10traingd 、traingdm、traingda、 traingdx、 trainrp 、 traincgf 、 traincgp、 traincgb、trainscg、 trainbfg、 trainoss trainlm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

6、trainlm最大训练时间（缺省为inf）traingd 、traingdm、traingda、 traingdx、 trainrp 、 traincgf 、 traincgp、 traincgb、trainscg、 trainbfg、 trainoss trainlm动量因子（缺省）traingdm、traingdx学习率lr增长比（缺省为）traingda traingdx学习率lr下降比（缺省为）traingda traingdx表现函数增加最大比（缺省为）traingda traingdx权值变化增加量（缺省为）trainrp权值变化减小量（缺省为）trainrp初始权值变化（缺省为）

7、trainrp权值变化最大值（缺省为）trainrp一维线性搜索方法（缺省为 srchchatraincgf、 traincgp、traincgb、 trainbfg 、trainoss因为二次求导对权值调整的影响参数（缺省值）trainscg矩阵不确定性调节参数（缺省为）trainscg控制计算机内存/速度的参量，内存较大设为1, 否则设为2 （缺省为1）trainlm的初始值（缺省为）trainlm的减小率（缺省为）trainlm的增长率（缺省为10）trainlm的最大值（缺省为trainlm1e10)2、BP网络举例举例1、%traingdclear;clc;P=-1 -1 2 2 4

8、;0 5 0 5 7;T=-1 -1 1 1 -1;%利用minmax函数求输入样本范围net = newff(minmax(P),T,5,1,'tansig','purelin','trainrp');隐层权值1%隐层阈值2,1%输出层权值2%输出层阈值sim(net,P)举例2、利用三层BP神经网络来完成非线性函数的逼近任务， 其中隐层神经元个数为五个样本数据：输入X输出D输入X输出D输入X输出D0解:看到期望输出的范围是1,1 ,所以利用双极性Sigmoid函数作为转移函数程序如下：clear;clc;X=-1:1;D=；figure;pl

9、ot(X,D,'*'); %绘制原始数据分布图(附录：1-1)net = newff(-1 1,5 1,tansig；'tansig);=1000; %训练的最大次数=;%全局最小误差net = train(net,X,D);O = sim(net,X);figure;plot(X,D,'*',X,O); %绘制训练后得到的结果和误差曲线(附录：1-2、1-3)V = 1,1; %输入层到中间层权值theta1 = 1; %中间层各神经元阈值W = 2,1; %中间层到输出层权值theta2 = 2; %输出层各神经元阈值所得结果如下：输入层到中间层的权

10、值：V-9.1669 7.3448 7.3761 4.8966 3.5409中间层各神经元的阈值：6.5885 -2.4019 -0.9962 1.5303 3.273彳中间层到输出层的权值：W0.3427 0.2135 0.2981 -0.8840 1.9134输出层各神经元的阈值：T -1.5271举例3、利用三层BP神经网络来完成非线性函数的逼近任务， 其中隐层神经元个数为五个样本数据:输入X输出D输入X输出D输入X输出D00448211539322621043371解:看到期望输出的范围超出1,1 ,所以输出层神经元利用线性函数作为转移函数。程序如下:clear;clc;X = 0 1

11、 2 3 4 5 6 7 8 9 10;D = 0 1 2 3 4 3 2 1 2 3 4;figure;plot(X,D,'*'); %绘制原始数据分布图net = newff(0 10,5 1,tansig：'purelin)=100;'*',X,O); %绘制训练后得到的结果和误差曲线(附录：2-2、2-3)V = 1,1 %输入层到中间层权值theta1 = 1%中间层各神经元阈值W = 2,1 %中间层到输出层权值theta2 = 2 %输出层各神经元阈值所得结果如下:输入层到中间层的权值：V 0.8584 2.0890 -1.2166 0.2

12、752 -0.39KT中间层各神经元的阈值：-14.0302 -9.8340 7.4331 -2.0135 0.56宿中间层到输出层的权值：W -0.4675 -1.1234 2.3208 4.6402 -2.2686输出层各神经元的阈值：T 1.7623问题：以下是上证指数2009年2月2日到3月27日的收盘价格，构建一个三层 BP神经网 络，利用该组信号的6个过去值预测信号的将来值。日期价格日期价格2009/02/022009/03/022009/02/032009/03/032009/02/042009/03/042009/02/052009/03/052009/02/062009/03

13、/062009/02/092009/03/092009/02/102009/03/102009/02/112009/03/112009/02/122009/03/122009/02/132009/03/132009/02/162009/03/162009/02/172009/03/172009/02/182009/03/182009/02/192009/03/192009/02/202009/03/202009/02/232009/03/232009/02/242009/03/242009/02/252009/03/252009/02/262009/03/262009/02/272009/03

14、/27load ;m,n=size( data3_1);tsx = data3_1(1:m-1,1);tsx=tsx'ts = data3_1(2:m,1);ts=ts'TSX,TSXps=mapminmax(tsx,1,2);TS,TSps=mapminmax(ts,1,2);TSX=TSX'figure;plot(ts,'LineWidth',2);title('到杭旅游总人数,'FontSize'12);xlabel(统计年份','FontSize：12);ylabel(归一化后的总游客数/万人','FontSize：12);grid on;%生成BP网络、利用minmax函数求输入样本范围net_1=newff(minmax(TS),10,1,%ansig：&#