训练BP神经网络连接权值的源代码-豆柴文库

您所在位置：网站首页 / 训练BP神经网络连接权值的源代码.doc / 文档详情

在线预览结束，喜欢就下载吧，查找使用更方便

10 金币

下载文档

/ 3

下载提示

如果您无法下载资料，请参考说明：

1、部分资料下载需要金币，请确保您的账户上有足够的金币

2、已购买过的文档，再次下载不重复扣费

3、资料包下载后请先用软件解压，在使用对应软件打开

文本预览

训练BP神经网络连接权值的源代码

x=[-0.4:0.04:3.6];y=8+2*exp(1-x.^2).*cos(2*pi*x);net=newff(minmax(x),[20,1],{'tansig','purelin'});y1=sim(net,x);net.trainParam.epochs=50;net.trainParam.goal=0.01;net=train(net,x,y);y2=sim(net,x);figure;plot(x,y,'-',x,y1,'-',x,y2,'--');title('原函数与网络训练前后的确仿真结果比较');text(2,12,'原函数y');text(2,11,'-未训练网络的仿真结果y1');text(2,10,'--训练后网络的仿真结果y2');这个程序如何转化成训练BP神经网络连接权值的源代码(matlab)Ir=0.05;%Ir为学习速率err_goal=0.001;%期望最小误差值max_epoch=10000;X=[0.75101;0.2500.550;000.450;0000;0000;1111;0.500.50.5;0.500.50.5;0100;1111;0000;0000;0000;0000;1111];T=[0000;0111;0000;1000];%提供4组15输入4输出训练集和目标集[M,N]=size(X);q=10;[L,N]=size(T);Wij=rand(q,M);Wki=rand(L,q);b1=zeros(q,1);b2=zeros(L,1);—随机给定隐含层、输出层偏值forepoch=1:max_epochOi=tansig(Wij*X,b1);Ok=purelin(Wki*Oi,b2);E=T-Ok;deltak=deltalin(Ok,E);%计算输出层的deltadeltai=deltatan(Oi,deltak,Wki);%计算隐含层的deita[dWki,db2]=learnbp(Oi,deltak,Ir);%调整输出层加权系数Wki=Wki+dWki;b2=b2+db2;[dWij,db1]=learnbp(X,deltai,Ir);Wij=Wij+dWij;b1=b1+db1;SSE=sumsqr(T-purelin(Wki*tansig(Wij*X,b1),b2));if(SSE<err_goal)break;endendepoch%显示计算次数X1=X;Oi=tansig(Wij*X1,b1);%各隐含层输出Ok=purelin(Wki*Oi,b2);%显示网络输出层的输出x=[-0.4:0.04:3.6];y=8+2*exp(1-x.^2).*cos(2*pi*x);net=newff(minmax(x),[20,1],{'tansig','purelin'});y1=sim(net,x);net.trainParam.epochs=50;net.trainParam.goal=0.01;net=train(net,x,y);y2=sim(net,x);figure;plot(x,y,'-',x,y1,'-',x,y2,'--');title('原函数与网络训练前后的确仿真结果比较');text(2,12,'原函数y');text(2,11,'-未训练网络的仿真结果y1');text(2,10,'--训练后网络的仿真结果y2');这个程序如何转化成训练BP神经网络连接权值的源代码(matlab)Ir=0.05;%Ir为学习速率err_goal=0.001;%期望最小误差值max_epoch=10000;X=[0.75101;0.2500.550;000.450;0000;0000;1111;0.500.50.5;0.500.50.5;0100;1111;0000;0000;0000;0000;1111];T=[0000;0111;0000;1000];%提供4组15输入4输出训练集和目标集[M,N]=size(X);q=10;[L,N]=size(T);Wij=rand(q,M);Wki=rand(L,q);b1=zeros(q,1);b2=zeros(L,1);—随机给定隐含层、输出层偏值forepoch=1:max_epochOi=tansig(Wij*X,b1);Ok=purelin(Wki*Oi,b2);E=T-Ok;deltak=deltalin(Ok,E);%计算输出层的deltadeltai=deltatan(Oi,deltak,Wki);%计算隐含层的deita[dWki,db2]=learnbp(Oi,deltak,Ir);%调整输出层加权系数Wki=Wki+dWki;b2=b2+db2;