《BP神经网络matlab源程序代码.doc》由会员分享，可在线阅读，更多相关《BP神经网络matlab源程序代码.doc（2页珍藏版）》请在三一文库上搜索。
1、%=原始数据输入=p=2845 2833 4488;2833 4488 4554;4488 4554 2928;4554 2928 3497;2928 3497 2261;.3497 2261 6921;2261 6921 1391;6921 1391 3580;1391 3580 4451;3580 4451 2636;.4451 2636 3471;2636 3471 3854;3471 3854 3556;3854 3556 2659;3556 2659 4335;.2659 4335 2882;4335 2882 4084;4335 2882 1999;2882 1999 2889;1
2、999 2889 2175;.2889 2175 2510;2175 2510 3409;2510 3409 3729;3409 3729 3489;3729 3489 3172;.3489 3172 4568;3172 4568 4015; %=期望输出=t=4554 2928 3497 2261 6921 1391 3580 4451 2636 3471 3854 3556 2659 .4335 2882 4084 1999 2889 2175 2510 3409 3729 3489 3172 4568 4015 .3666; ptest=2845 2833 4488;2833 4488
3、4554;4488 4554 2928;4554 2928 3497;2928 3497 2261;.3497 2261 6921;2261 6921 1391;6921 1391 3580;1391 3580 4451;3580 4451 2636;.4451 2636 3471;2636 3471 3854;3471 3854 3556;3854 3556 2659;3556 2659 4335;.2659 4335 2882;4335 2882 4084;4335 2882 1999;2882 1999 2889;1999 2889 2175;.2889 2175 2510;2175 2
4、510 3409;2510 3409 3729;3409 3729 3489;3729 3489 3172;.3489 3172 4568;3172 4568 4015;4568 4015 3666; pn,minp,maxp,tn,mint,maxt=premnmx(p,t); %将数据归一化 关于用premnmx语句进行归一化：premnmx语句的语法格式是：Pn,minp,maxp,Tn,mint,maxt=premnmx(P,T)其中P，T分别为原始输入和输出数据，minp和maxp分别为P中的最小值和最大值。mint和maxt分别为T的最小值和最大值。premnmx函数用于将网络的输
5、入数据或输出数据进行归一化，归一化后的数据将分布在-1,1区间内。我们在训练网络时如果所用的是经过归一化的样本数据，那么以后使用网络时所用的新数据也应该和样本数据接受相同的预处理，这就要用到tramnmx。下面介绍tramnmx函数：Pn=tramnmx(P,minp,maxp)其中P和Pn分别为变换前、后的输入数据，maxp和minp分别为premnmx函数找到的最大值和最小值。（by terry2008）NodeNum1 =20; % 隐层第一层节点数 NodeNum2=40; % 隐层第二层节点数 TypeNum = 1; % 输出维数 TF1 = tansig;%传递函数TF2 = t
6、ansig; TF3 = tansig;net=newff(minmax(pn),NodeNum1,NodeNum2,TypeNum,TF1,TF2,TF3,traingdx);%网络创建traingdm %设置训练参数%net.trainParam.show=50; net.trainParam.epochs=50000; %训练次数设置 net.trainParam.goal=1e-5; %训练所要达到的精度net.trainParam.lr=0.01; %学习速率 net=train(net,pn,tn); p2n=tramnmx(ptest,minp,maxp);%测试数据的归一化归一化是为了加快训练网络的收敛性an=sim(net,p2n);a=postmnmx(an,mint,maxt) %数据的反归一化 ，即最终想得到的预测结果plot(1:length(t),t,o,1:length(t)+1,a,+); title(o表示预测值- *表示实际值)grid onm=length(a); %向量a的长度t1=t,a(m);error=t1-a; %误差向量figureplot(1:length(error),error,-.) title(误差变化图) grid on