p115bp.m

主成分分析法计算过程matlab实现软件

%BP网络的第一阶段学习期（训练加权系数wki,wij）
%初始化
lr=0.01;err_goal=0.001;        %lr为学习速率；err_goal为期望误差最小值
max_epoch=10000;a=0.9;         %max_epoch为训练的最大次数；a为惯性系数
Oi=0;Ok=0;                     %置隐含层和输出层各神经元输出初值为零
%提供两组训练集和目标值（3输入，2输出）
X=[1 2;-1 1;1 3];
T=[1 1;1 1];
%初始化wki,wij（M为输入节点j的数量；q为隐含层节点i的数量；L为输出节点k的数量）
[M,N]=size(X);q=10;[L,N]=size(T);%N为训练集对数量
wij=rand(q,M);
wki=rand(L,q);
wij0=zeros(size(wij));
wki0=zeros(size(wki));
for epoch=1:max_epoch
%计算隐含层各神经元输出
NETi=wij*X;
for j=1:N
    for i=1:q
        Oi(i,j)=2/(1+exp(-NETi(i,j)))-1;
    end
end
%计算输出层各神经元输出
NETk=wki*Oi;
for i=1:N
    for k=1:L
        Ok(k,i)=2/(1+exp(-NETk(k,i)))-1;
    end
end
%计算误差函数
E=((T-Ok)'*(T-Ok))/2;
if(E<err_goal)break;end
%调整输出层加权系数
deltak=Ok.*(1-Ok).*(T-Ok);
w=wki;
wki=wki+lr*deltak*Oi'+a*(wki-wki0);
wki0=w;
%调整隐含层加权系数
deltai=Oi.*(1-Oi).*(deltak'*wki)';
w=wij;
wij=wij+lr*deltai*X'+a*(wij-wij0);
wij0=w;
end
epoch                                 %显示计算次数
%BP网络的第二阶段工作期（根据训练好的wki,wij和给定的输入计算输出）
X1=X;                                 %给定输入
%计算隐含层各神经元输出
NETi=wij*X1;
for j=1:N
    for i=1:q
        Oi(i,j)=2/(1+exp(-NETi(i,j)))-1;
    end
end
%计算输出层各神经元输出
NETk=wki*Oi;
for i=1:N
    for k=1:L
        Ok(k,i)=2/(1+exp(-NETk(k,i)))-1;
    end
end
Ok                                   %显示网络输出层的输出