人工神经网络Matlab实现代码.docx资源-CSDN文库

版权申诉

52 浏览量 2022-12-17 15:09:57 上传评论收藏 13KB DOCX 举报

资源推荐

资源详情

资源评论

以下是用Matlab中的 m 语言编写的BP 神经网络代码，实现的是一个正弦函数的拟合过程，

包括了初始化、BP 算法、绘制曲线等过程，可以将代码放到一个M 文件中运行，以下是代

码：

defaultpoints=20;

inputpoints=1;

%%%%%%%%%隐含层节点数

%%%%%%%%%输入层节点数

%%%%%%%%%输出层节点数

outputpoints=1;

Testerror=zeros(1,100);%%%%每个测试点的误差记录

a=zeros(1,inputpoints);%%%%输入层节点值

y=zeros(1,outputpoints);%%%样本节点输出值

w=zeros(inputpoints,defaultpoints);%%%%%输入层和隐含层权值

%初始化权重很重要，比如用 rand 函数初始化则效果非常不确定，不如用 zeros 初始化

v=zeros(defaultpoints,outputpoints);%%%%隐含层和输出层权值

bin=rand(1,defaultpoints);%%%%%隐含层输入

bout=rand(1,defaultpoints);%%%%隐含层输出

base1=0*ones(1,defaultpoints);%隐含层阈值，初始化为 0

cin=rand(1,outputpoints);%%%%%%输出层输入

cout=rand(1,outputpoints);%%%%%输出层输出

base2=0*rand(1,outputpoints);%%输出层阈值

error=zeros(1,outputpoints);%%%拟合误差

errors=0;error_sum=0;

%%%误差累加和

error_rate_cin=rand(defaultpoints,outputpoints);%%误差对输出层节点权值的导数

error_rate_bin=rand(inputpoints,defaultpoints);%%%误差对输入层节点权值的导数

alfa=0.5; %%%% alfa 是隐含层和输出层权值-误差变化率的系数，影响很大

belt=0.5; %%%% belt 是隐含层和输入层权值-误差变化率的系数，影响较小

gama=5;

%%%% gama 是误差放大倍数，可以影响跟随速度和拟合精度,当 gama 大于

2 时误差变大，容易震荡

%%%%规律 100 个隐含节点，当 alfa *gama =1.5 时，效果好，其他值误差变大，belt 基本

不影响效果

%%%%规律 200 个隐含节点，当 alfa *gama =0.7 时，效果好，其他值误差变大，belt 基本

不影响效果，最小误差和 100 个隐含点一样

%%%%规律 50 个隐含节点，当 alfa *gama =3 时，效果好，其他值误差变大，belt 基本不

影响效果，最小误差和 100 个隐含点一样

trainingROUND=200;% 训练次数,有时训练几十次比训练几百次上千次效果要好很多

sampleNUM=361; % 样本点数

x1=zeros(sampleNUM,inputpoints); %样本输入矩阵

y1=zeros(sampleNUM,outputpoints); %样本输出矩阵

x2=zeros(sampleNUM,inputpoints); %测试输入矩阵

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余3页未读，立即下载

内容反馈

版权申诉

不吃鸳鸯锅

粉丝: 8332
资源: 2万+

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip