|
|
发表于 2011-1-20 04:47:19
|
显示全部楼层
%BP神经网络算法matlab实现
%相关资料参考《智能控制及其matlab实现》——电子工业出版社，李国勇编著
%BP网络的第一阶段学习期（训练加权系数wki，wij)
%初始化
lr=0.05;err_goal=0.001; %lr为学习速率；err_goal为期望误差最小值
max_epoch=10000;a=0.9; %max_epoch为训练的最大次数；a为惯性系数
Oi=0;Ok=0; %置隐含层和输出层各神经元输出初值为0
%提供两组训练集和目标值（3输入，2输出）
%X=[1 1;-1 -1;1 1];T=[1 1;1 1];
X=P;T=T;
%初始化wki，wij（M为输入节点j的数量；q为隐含层节点i的数量；L为输出节点k的数量）
[M,N]=size(X);q=8;[L,N]=size(T); %N为训练集对数量
wij=rand(q,M);wki=rand(L,q);
wij0=zeros(size(wij));wki0=zeros(size(wki));
for epoch=1:max_epoch
%计算隐含层各神经元的输出
NETi=wij*X;
for j=1:N
for i=1:q
Oi(i,j)=2/(1+exp(-NETi(i,j)))-1;
end
end
%计算输出层各神经元输出
NETk=wki*Oi;
for i=1:N
for k=1
Ok(k,i)=2/(1+exp(-NETk(k,i)))-1;
end
end
%计算误差函数
E=((T-Ok)'*(T-Ok))/2;
if(E<err_goal)break;end
%调整输出层加权系数
deltak=Ok.*(1-Ok).*(T-Ok);
w=wki;
wki=wki+lr*deltak*Oi'+a*(wki-wki0);
wki0=w;
%调整隐含层加权系数
deltai=Oi.*(1-Oi).*(deltak'*wki)';
w=wij;
wij=wij+lr*deltai*X'+a*(wij-wij0);
wij0=w;
end
epoch %显示计算次数
%BP网络的第二阶段工作期（根据局训练好的wki，wij和给定的输入计算输出）
X1=X; %给定输入
%计算隐含层各神经元输出
NETi=wij*X1;
for j=1:N
for i=1:q
Oi(i,j)=2/(1+exp(-NETi(i,j)))-1;
end
end
%计算输出层各神经元的输出
NETk=wki*Oi;
for i=1:N
for k=1
Ok(k,i)=2/(1+exp(-NETk(k,i)))-1;
end
end
Ok %显示网络输出层的输出 |
|
/1 
eetop公众号
创芯大讲堂
创芯人才网
