BP神经网络-文档资料

1、1BP神经网络2输入样本，计算误差开始是否收敛数据初始化否结束是划分训练数据与测试数据初始化BP网络调整权值BP神经网络算法使用流程图3数据初始化1、目前有300名管理学院全体男女生的身高，体重，性别的数据存在EXCEL表中；2、在EXCEL表中读取数据；3、将数据存在DATA（height,weight,gender）的数组中。4划分训练数据与测试数据取其中男女各50人作为训练数据，其他留作测试数据。5初始化BP网络x1x2xMK1K2KIY1YJij6初始化BP网络-输入层x1x2xMK1K2KIY1YJ输入层输入层的节点数等于样本的维度。在本例中，学生的维度为身高，体重，故神经网络输入节

2、点为2。7初始化BP网络-隐含层x1x2xMK1K2KIY1YJ输入层隐含层隐含层实现了非线性映射。隐含层节点数对BP网络性能有很大影响，一般较多的节点可以带来更好的性能，但可能导致训练时间过长。隐含层节点数的经验公式：M=log2n,n为输入层神经元的个数8初始化BP网络-输出层x1x2xMK1K2KIY1YJ输入层隐含层输出层输出层的个数需要根据实际问题中得到的抽象模型进行确定。如在模式分别问题中，共有n个种类，则输出层可以有n个神经元。在本例中，输出层为两个神经元，男、女。9初始化BP网络-传递函数x1x2xMK1K2KIY1YJ输入层隐含层输出层传递函数每一层神经元都有一个传递函数，在

3、经典BP网络中，输入层传递函数原函数，隐含层传递函数为Sigmoid函数，输出层传递函数为线性函数。10初始化BP网络-神经网络的运行(工作信号正向传播)x1x2xMK1K2KIY1YJ输入层隐含层输出层以隐含层为例，隐含层神经元Ki的输入令 为sigmoid函数，则隐含层神经元Ki 的输出m 1( )MmimiMuvn( )f ( )( )IiiIvnf u n11是否收敛1、可以给误差设置一个阈值2、训练到固定代数，停止12调整权值-神经网络的运行(误差反向传播)x1x2xMK1K2KIY1YJ输入层隐含层输出层我们令输出层的误差为 ,则网络总误差为首先我们可以调节隐含层与输出层的参数，根

4、据最速下降法,求导得，误差向前传播，我们可以调整输入层和隐含层的参数。( )( )( )jjjJe nd nvn211( )( )2jJje ne n( )( )( )ijIw ne n v n 131、动量BP法2、学习率可变的BP算法3、拟牛顿法 调整权值- 的其他调整方式( )(1)( )( )(1)ijIw ne n v nw n 1(1)( )( ) ( )w nw nHn g n( )(1)( )incdecknnkn(1)( )e ne n(1)( )e ne n14实际MATLAB应用% 脚本 使用newff函数实现性别识别% main_newff.m% 清理clear,clc

5、rng(default)rng(2)% 读入数据xlsfile=student.xls;data,label=getdata(xlsfile);% 划分数据traind,trainl,testd,testl=divide(data,label);% 创建网络net=feedforwardnet(3);%3代表隐含层的节点数net.trainFcn=trainbfg;% 训练网络net=train(net,traind,trainl);%traind和 trainl分别代表输入、出层节点数 % 测试test_out=sim(net,testd);test_out(test_out=0.5)=1;test_out(test_out0.5