BP神经网络实例.doc

运用Matlab创建BP神经网络（R2010b）?? BP神经网络属于前向网络 以下为创建BP神经网络的方法及参数意义 （1）net=newff（P,T,S）或者net = newff(P,T,S,TF,BTF,BLF,PF,IPF,OPF,DDF) P：输入参数矩阵。(RxQ1) T：目标参数矩阵。(SNxQ2) S：N-1个隐含层的数目（S（i）到S（N-1）），输出层的单元数目取决于T，默认为空矩阵。 TF：相关层的传递函数，默认隐含层为tansig函数，输出层为purelin函数。 BTF：BP神经网络学习训练函数，默认值为trainlm函数。 BLF：权重学习函数，默认值为learngdm。 PF：性能函数，默认值为mse。 IPF，OPF，DDF均为默认值即可。 （2）传递函数 purelin?线性传递函数 tansig?正切?S?型传递函数 logsig?对数?S?型传递函数 隐含层和输出层函数的选择对BP神经网络预测精度有较大影响，一般隐含层节点转移函数选用?tansig函数或logsig函数，输出层节点转移函数选用tansig函数或purelin函数。 （3）学习训练函数 神经网络的学习分为有导师学习和无导师学习。 最速下降BP算法：traingd 动量BP算法：traingdm 学习率可变的BP算法：trainda（学习率可变的最速下降BP算法）；traindx（学习率可变的动量BP算法） 弹性算法：trainrp 变梯度算法：traincgf（Fletcher-Reeves修正算法） traincgp（Polak_Ribiere修正算法） traincgb（Powell-Beale复位算法） trainbfg（BFGS?拟牛顿算法） trainoss（OSS算法） trainlm（LM算法） 参数说明：通过net.trainParam可以查看参数 Show Training Window Feedback showWindow: true Show Command Line Feedback showCommandLine: false Command Line Frequency show:?两次显示之间的训练次数 Maximum Epochs epochs:?训练次数 Maximum Training Time time:?最长训练时间（秒） Performance Goal goal:?网络性能目标 Minimum Gradient min_grad:?性能函数最小梯度 Maximum Validation Checks max_fail:?最大验证失败次数 Learning Rate lr:?学习速率 Learning Rate Increase lr_inc:?学习速率增长值 Learning Rate lr_dec:?学习速率下降值 Maximum Performance Increase max_perf_inc: Momentum Constant mc:?动量因子 （4）BP神经网络预测函数 SimOut = sim(model,?Parameters) y=sim(net,x) 函数功能：用训练好的BP神经网络预测函数输出 net：训练好的网络 x：输入数据 y：网络预测数据 (5)训练函数 [net,tr] = train(Net,P,T,Pi,Ai) 其中， Net?待训练的网络 P?输入数据矩阵 T?输出数据矩阵?(default = zeros) Pi?初始化输入层条件?(default = zeros) Ai?初始化输出层条件?(default = zeros) net?训练好的网络 tr?训练过程记录 注意：P Ni-by-TS cell array Each element P{i,j,ts} is an?Ni-by-Q?matrix. T Nl-by-TS cell array Each element T{i,ts} is a?Ui-by-Q?matrix. ? BP网络的常用函数表 ? ? 函数类型 ? 函数名称 ? 函数用途 ? 前向网络创建函数 ? newcf ? 创建级联前向网络 ? Newff ? 创建前向BP网络 ? 传递函数 ? logsig ? S型的对数函数 ? tansig ? S型的正切函数 ? purelin ? 纯线性函数 ? 学习函数 ? learngd ? 基于梯度下降法的学习函数 ? learngdm ? 梯度下降动量学习函数 ? 性能函数 ? mse ? 均方误差函数 ? msereg ? 均方误差规范化函数 ? ? 显示函数 ? plotperf ? 绘制网络的性能 ? plotes ? 绘制一个