利用MATLAB对神经网络进行编程,用NEWFF()创建两层前向网络。网络输入范围[-1 1]，第一层有10个tansig神经元
上传时间： 2013-12-21
上传用户：牛布牛
bp神经网络源码, NEWFF---生成一个新的前向神经网络 TRAIN-----对BP神经网络进行训练 SIM----对BP神经网络进行仿真
上传时间： 2014-07-03
上传用户：7676777
Matlab中BP神经网络的构建和初始化训练前馈网络的第一步是建立网络对象。函数NEWFF建立一个可训练的前馈网络。这需要4个输入参数。第一个参数是一个Rx2的矩阵以定义R个输入向量的最小值和最大值。第二个参数是一个颟顸每层神经元个数的数组。第三个参数是包含每层用到的转移函数名称的细胞数组。最后一个参数是用到的训练函数的名称。
上传时间： 2014-12-03
上传用户：LIKE
% 生成训练样本集 clear all; clc; P=[110 0.807 240 0.2 15 1 18 2 1.5; 110 2.865 240 0.1 15 2 12 1 2; 110 2.59 240 0.1 12 4 24 1 1.5; 220 0.6 240 0.3 12 3 18 2 1; 220 3 240 0.3 25 3 21 1 1.5; 110 1.562 240 0.3 15 3 18 1 1.5; 110 0.547 240 0.3 15 1 9 2 1.5]; 0 1.318 300 0.1 15 2 18 1 2]; T=[54248 162787 168380 314797; 28614 63958 69637 82898; 86002 402710 644415 328084; 230802 445102 362823 335913; 60257 127892 76753 73541; 34615 93532 80762 110049; 56783 172907 164548 144040]; @907 117437 120368 130179]; m=max(max(P)); n=max(max(T)); P=P'/m; T=T'/n; %-------------------------------------------------------------------------% pr(1:9,1)=0; %输入矢量的取值范围矩阵 pr(1:9,2)=1; bpnet=NEWFF(pr,[12 4],{'logsig', 'logsig'}, 'traingdx', 'learngdm'); %建立BP神经网络， 12个隐层神经元，4个输出神经元 %tranferFcn属性 'logsig' 隐层采用Sigmoid传输函数 %tranferFcn属性 'logsig' 输出层采用Sigmoid传输函数 %trainFcn属性 'traingdx' 自适应调整学习速率附加动量因子梯度下降反向传播算法训练函数 %learn属性 'learngdm' 附加动量因子的梯度下降学习函数 net.trainParam.epochs=1000;%允许最大训练步数2000步 net.trainParam.goal=0.001; %训练目标最小误差0.001 net.trainParam.show=10; %每间隔100步显示一次训练结果 net.trainParam.lr=0.05; %学习速率0.05 bpnet=train(bpnet,P,T); %------------------------------------------------------------------------- p=[110 1.318 300 0.1 15 2 18 1 2]; p=p'/m; r=sim(bpnet,p); R=r'*n; display(R);
上传时间： 2016-05-28
上传用户：shanqiu
BP神经网络matlab源程序代码 %% 该代码为 BP 神经网络的预测代码 % 清空环境变量 clc clear % %% 网络结构建立 % 读取数据 load data input output input=data(;,1;2;3;4;5); output=data(;,5); %节点个数 %训练数据和预测数据 %选连样本输入输出数据归一化 %构建网络 net=NEWFF(inputn,outputn,hiddennum); %网络进化参数 %网络训练 % 预测数据归一化
上传时间： 2018-04-10
上传用户：45808330
