matlab编写的bp网络程序

clear all; clc n=16;%输入层个数 p=8;%隐含层个数 q=3;%输出层个数 X1=[1 1 1 1 1 0 0 1 1 1 1 1 1 0 0 1];%输入样本 X2=[0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0]; X3=[1 1 1 1 1 0 0 1 1 0 0 1 1 1 1 1] X=[X1;X2;X3]; Y1=[1 0 0];%期望输出 Y2=[0 1 0]; Y3=[0 0 1]; Yo=[Y1;Y2;Y3]; %以下为初始化 w=zeros(16,8);v=zeros(8,3); t1=zeros(1,8); t2=zeros(1,3); bi=zeros(1,8); ct=zeros(1,3); dt=zeros(1,3); ei=zeros(1,8); cntmax=10000; a1=0.1,b1=0.1,emax=0.01,cnt=0; w=rands(16,8); %输入层与隐含层权值 S='输入层到隐含层初始权值'; disp(S);disp(w); v=rands(8,3); %隐含层与输出层权值 t1=rands(1,8); t2=rands(1,3); er=0.012; for cnt=1:cntmax if (er>emax) for cp=1:3 X0=X(cp,:); Y0=Yo(cp,:); Y=X0*w; Y=Y-t1; for j=1:8 bi(j)=1/(1+exp(-Y(j))); %激活函数 end %计算输出层各神经元输出 xy=bi*v; Y=xy; Y=Y-t2; for t=1:3 ct(t)=1/(1+exp(-Y(t))); end %计算误差函数、调整连接权值 er=(Y0(t)-ct(t))*(Y0(t)-ct(t))/2; for t=1:3 dt(t)=(Y0(t)-ct(t))*ct(t)*(1-ct(t)); end for t=1:3 xy=dt*v'; ei=xy*bi'*(1-bi); end for t=1:q for j=1:p v(j,t)=v(j,t)+a1*dt(t)*bi(j); end t2(t)=t2(t)+a1*dt(t); end for j=1:p for k=1:n w(k,j)=w(k,j)+b1*X0(k)*ei(j); end t1(j)=t1(j)+b1*ei(j); end end else break ; end end S='循环次数cnt:'; disp(S);disp(cnt); S='隐含层到输出层最终权值'; disp(S);disp(v); S='er:' disp(S);disp(er);