文档详情

BP神经网络实例.doc

发布:2017-02-04约字共6页下载文档
文本预览下载声明
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
显示全部
相似文档