function ww=bpnet(p,t,ynum,maxnum,ex,lr,pp)
plot(p,t,'+');
title('训练向量');
xlabel('P');
ylabel('t');
[w1,b1,w2,b2]=initff(p,ynum,'tansig',t,'purelin'); %初始化含一个隐层的BP网络
zhen=25; %每迭代多少次更新显示
biglr=1.1; %学习慢时学习率(用于跳出平坦区)
litlr=0.7; %学习快时学习率(梯度下降过快时)
a=0.7 %动量项a大小(△W(t)=lr*X*ん+a*△W(t-1))
tp=[zhen maxnum ex lr biglr litlr a 1.04]; %trainbpx
[w1,b1,w2,b2,ep,tr]=trainbpx(w1,b1,'tansig',w2,b2,'purelin',p,t,tp);
ww=simuff(pp,w1,b1,'tansig',w2,b2,'purelin'); %ww就是调用结果
下面是bpnet使用简例:
%bpnet举例,因为BP网络的权值初始化都是随即生成,所以每次运行的状态可能不一样。
%如果初始化的权值有利于训练,那么可能很快能结束训练,反之则反之
clear all
clc
figure
randn('state',sum(100*clock))
num1=5; %隐节点数
num2=10000; %最大迭代次数
a1=0.02; %期望误差
a2=0.05; %学习率
test=randn(1,5)*0.5; %随即生成5个测试值
in=-1:.1:1; %训练值
expout=[-.9602 -.5770 -.0729 .3771 .6405 .6600 .4609 .1336 -.2013 -.4344 -.5000 -.3930 -.1647 .0988 .3072 .3960 .3449 .1816
-.0312 -.2189 -.3201];
%上面是指定期望输出
%expout=0.3*randn(1,21); %随机产生一组期望输出值,不过效果不好
plot(in,expout,'+');
title('训练向量');
xlabel('in');
ylabel('expout');
output=bpnet(in,expout,num1,num2,a1,a2,test)
bpnet.zip_BPNet_ensemble matlab_spoken7n8_神经网络集成_集成
版权申诉
23 浏览量
2022-09-24
16:11:18
上传
评论
收藏 1KB ZIP 举报
寒泊
- 粉丝: 76
- 资源: 1万+
最新资源
- 基于Java的本科探索学习项目设计源码 - 本科探索
- 基于Javascript和Python的微商城项目设计源码 - MicroMall
- 基于Java的网上订餐系统设计源码 - online ordering system
- 基于Javascript的超级美眉网络资源管理应用模块设计源码
- 基于Typescript和PHP的编程知识储备库设计源码 - study-php
- Screenshot_2024-05-28-11-40-58-177_com.tencent.mm.jpg
- 基于Dart的Flutter小提琴调音器APP设计源码 - violinhelper
- 基于JavaScript和CSS的随寻订购网页设计源码 - web-order
- 基于MATLAB的声纹识别系统设计源码 - VoiceprintRecognition
- 基于Java的微服务插件集合设计源码 - wsy-plugins
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