bpbpzui.m

通过在MATLAB平台上比较BP神经网络的三种训练方法－trainbr traingdm trainlm.并且网络中加入噪音！

close all
clear
echo on
clc
% 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
pause
%敲任意键开始
clc
%定义训练样本矢量P为输入矢量
P=[-1:0.05:1];
%T为目标矢量
randn('seed',78341223);
T=sin(2*pi*P)+0.1*randn(size(P));
%绘制样本数据点
plot(P,T,'+');
echo off
hold on;
plot(P,sin(2*pi*P),':');
%绘制不含噪音的sin曲线
echo on
clc
pause
clc
disp('1.  动量梯度下降算法TRAINGDM ');disp('2.  L-M优化算法TRAINLM');disp('3. 贝叶斯正则化算TRAINBR');
choice=input('请选择算法；');
figure(gcf);
if(choice==1)
    echo on
    clc
    %创建一个前向神经网络
    net=newff(minmax(P),[20,1],{'tansig','purelin'},'traingdm');
pause
clc
    %设置训练参数
    net.trainParam.show=50;
    net.trainParam.lr=0.3;
    net.trainParam.mc=0.7;
    net.trainParam.epochs=30000;
    net.trainParam.goal=1e-3;
    randn('seed',192736547);
    net=init(net);
    pause
    clc
elseif(choice==2)
    echo on
    clc
    %创建一个新的前向神经网络
    net=newff(minmax(P),[20,1],{'tansig','purelin'});
    pause
    clc
    %用L-M优化算法
    net.trainFcn='trainlm';
    pause
    clc
    %设置训练参数
    net.trainparam.epochs=500;
    net.trainParam.goal=1e-6;
    net=init(net);
    pause
    clc
elseif(choice==3)
    echo on
    clc
     %创建一个新的前向神经网络
    net=newff(minmax(P),[20,1],{'tansig','purelin'});
    pause
    clc
    net.trainFcn='trainbr';
    pause
    clc
    %设置训练参数
    net.trainParam.epochs=500;
    randn('seed',192736547);
    net=init(net);
    pause
    clc
end
[net,tr]=train(net,P,T);
pause
clc
%对BP网络仿真
A=sim(net,P);
%计算仿真误差
E=T-A;
MSE=mse(E)
pause
clc
%绘制匹配结果曲线
close all;
plot(P,A,P,T,'+',P,sin(2*pi*P),':');
title('实线代表实际仿真曲线，“＋”点为含白噪声sin样本数据点');
pause;
clc
echo off