用matlab編bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)程序

《用matlab編bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)程序》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、求用matlab編BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)程序求一用matlab編的程序P=[。。。];輸入T=[。。。];輸出%創(chuàng)建一個(gè)新的前向神經(jīng)網(wǎng)絡(luò)net_1=newff(minmax(P),[10,1],{'tansig','purelin'},'traingdm')%當(dāng)前輸入層權(quán)值和閾值inputWeights=net_1.IW{1,1}inputbias=net_1.b{1}%當(dāng)前網(wǎng)絡(luò)層權(quán)值和閾值layerWeights=net_1.LW{2,1}layerbias=net_1.b{2}%設(shè)置訓(xùn)練參數(shù)net_1.trainParam.show=50;net_1.trainParam.lr=0.

2、05;net_1.trainParam.mc=0.9;net_1.trainParam.epochs=10000;net_1.trainParam.goal=1e-3;%調(diào)用TRAINGDM算法訓(xùn)練BP網(wǎng)絡(luò)[net_1,tr]=train(net_1,P,T);%對(duì)BP網(wǎng)絡(luò)進(jìn)行仿真A=sim(net_1,P);%計(jì)算仿真誤差E=T-A;MSE=mse(E)x=[。。。]';%測(cè)試sim(net_1,x)%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%不可能啊我2009?28　　　對(duì)初學(xué)神經(jīng)網(wǎng)絡(luò)者的小提示第二步：掌握如下算法:2.最小均方誤差,這個(gè)原理是下面提到的神經(jīng)

3、網(wǎng)絡(luò)學(xué)習(xí)算法的理論核心,入門(mén)者要先看《高等數(shù)學(xué)》（高等教育出版社，同濟(jì)大學(xué)版）第8章的第十節(jié)：“最小二乘法”。3.在第2步的基礎(chǔ)上看Hebb學(xué)習(xí)算法、SOM和K-近鄰算法，上述算法都是在最小均方誤差基礎(chǔ)上的改進(jìn)算法，參考書(shū)籍是《神經(jīng)網(wǎng)絡(luò)原理》（機(jī)械工業(yè)出版社，SimonHaykin著，中英文都有）、《人工神經(jīng)網(wǎng)絡(luò)與模擬進(jìn)化計(jì)算》（清華大學(xué)出版社，閻平凡，張長(zhǎng)水著）、《模式分類(lèi)》（機(jī)械工業(yè)出版社，　　RichardO.Duda等著，中英文都有）、《神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)》（機(jī)械工業(yè)出版社，MartinT.Hargan等著，中英文都有）。4.ART(自適應(yīng)諧振理論),該算法的最通俗易懂的讀物就是

4、《神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)》（機(jī)械工業(yè)出版社，MartinT.Hargan等著，中英文都有）的第15和16章。若看理論分析較費(fèi)勁可直接編程實(shí)現(xiàn)一下16.2.7節(jié)的ART1算法小節(jié)中的算法.4.BP算法,初學(xué)者若對(duì)誤差反傳的分析過(guò)程理解吃力可先跳過(guò)理論分析和證明的內(nèi)容,直接利用最后的學(xué)習(xí)規(guī)則編個(gè)小程序并測(cè)試,建議看《機(jī)器學(xué)習(xí)》(機(jī)械工業(yè)出版社，TomM.Mitchell著，中英文都有）的第4章和《神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)》（機(jī)械工業(yè)出版社，MartinT.Hargan等著，中英文都有）的第11章。BP神經(jīng)網(wǎng)絡(luò)Matlab實(shí)例（1）分類(lèi)：Matlab實(shí)例采用Matlab工具箱函數(shù)建立神經(jīng)網(wǎng)絡(luò)，對(duì)一些基本的神經(jīng)

5、網(wǎng)絡(luò)參數(shù)進(jìn)行了說(shuō)明，深入了解參考Matlab幫助文檔。%例1采用動(dòng)量梯度下降算法訓(xùn)練BP網(wǎng)絡(luò)。%訓(xùn)練樣本定義如下：%輸入矢量為?%p=[-1-231%??-115-3]%目標(biāo)矢量為?t=[-1-111]closeallclearclc%---------------------------------------------------------------%NEWFF——生成一個(gè)新的前向神經(jīng)網(wǎng)絡(luò),函數(shù)格式：%net=newff(PR,[S1S2...SNl],{TF1TF2...TFNl},BTF,BLF,PF)takes,%PR--Rx2matrixofminandmaxva

6、luesforRinputelements%（對(duì)于R維輸入，PR是一個(gè)Rx2的矩陣，每一行是相應(yīng)輸入的邊界值）%Si--第i層的維數(shù)%TFi--第i層的傳遞函數(shù),default='tansig'%BTF--反向傳播網(wǎng)絡(luò)的訓(xùn)練函數(shù),default='traingdx'%BLF--反向傳播網(wǎng)絡(luò)的權(quán)值/閾值學(xué)習(xí)函數(shù),default='learngdm'%PF--性能函數(shù),default='mse'%---------------------------------------------------------------%TRAIN——對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，函數(shù)格式：%train(N

7、ET,P,T,Pi,Ai,VV,TV)，輸入?yún)?shù)：%net--所建立的網(wǎng)絡(luò)%P--網(wǎng)絡(luò)的輸入%T--網(wǎng)絡(luò)的目標(biāo)值,default=zeros%Pi--初始輸入延遲,default=zeros%Ai--初始網(wǎng)絡(luò)層延遲,default=zeros%VV--驗(yàn)證向量的結(jié)構(gòu),default=[]%TV--測(cè)試向量的結(jié)構(gòu),default=[]%返回值：%net--訓(xùn)練之后的網(wǎng)絡(luò)%TR--訓(xùn)練記錄(訓(xùn)練次數(shù)及每次訓(xùn)練的誤差)%Y--網(wǎng)絡(luò)輸出%E--網(wǎng)絡(luò)誤差%Pf--最終輸入延遲%