mybpn.m

matlab写的神经网络的几个演示程序

%标准BP算法实现
clc
close all
clear all

InDim=2;%样本输入维数
OutDim=3;% 样本输出维数
figure
title('训练样本');echo off
axis([-2,2,-2,2]);axis on;grid
xlabel('SamIn x');
ylabel('SamIn y');
line([-1 1],[1 1])
line([1 -1],[1 0])
line([-1 -1],[0 1])
line([-1 1],[-0.5 -0.5])
line([-1 1],[-1.5 -1.5])
line([1 1],[-0.5 -1.5])
line([-1 -1],[-0.5 -1.5])
hold on
SamNum=200;%训练样本数
%rand('state',sum(100*clock))
SamIn=(rand(2,SamNum)-0.5)*4;% 随机产生200个[-2,2]区间样本输入
SamOut=[];
for i=1:SamNum
    Sam=SamIn(:,i);
    x=Sam(1,1);
    y=Sam(2,1);
    if((x>-1)&(x<1))==1
        if ((y>x/2+1/2)&(y<1))==1
            plot(x,y,'r+')
            class=[0 1 0]';
        elseif((y<-0.5)&(y>-1.5))==1
            plot(x,y,'rs')
            class=[0 0 1]';
        else
            plot(x,y,'ro')
            class=[1 0 0]';
        end
    else
        plot(x,y,'ro')
        class=[1 0 0]';
    end
    SamOut=[SamOut class];                  %得到样本对应的类别属性
end
HiddenUnitNum=10;%隐节点数
MaxEpochs=10000;%最大训练次数
lr=0.1;%学习率
E0=0.01;%目标误差
W1=0.2*rand(HiddenUnitNum,InDim)-0.1;   %隐层权值初始化
B1=0.2*rand(HiddenUnitNum,1)-0.1;   %隐层阈值
W2=0.2*rand(OutDim,HiddenUnitNum)-0.1;  %输出层权值
B2=0.2*rand(OutDim,1)-0.1;  %输出层阈值
W1Ex=[W1 B1];
W2Ex=[W2 B2];
SamInEx=[SamIn' ones(SamNum,1)]';
ErrHistory=[];
for EndEpochs=1:MaxEpochs %正向传播计算网络输出
    HiddenOut=logsig(W1Ex*SamInEx);%计算隐含层各神经元输出
    HiddenOutEx=[HiddenOut' ones(SamNum,1)]';
    NetworkOut=logsig(W2Ex*HiddenOutEx);%计算输出层各神经元输出
    % 停止学习判断
    Error=SamOut-NetworkOut;
    SSE=sumsqr(Error); %平方和
    %记录每次权值调整后的训练误差
    ErrHistory=[ErrHistory,SSE];
    if SSE<E0,break,end
    %计算反向传播误差
    Delta2=Error.*NetworkOut.*(1-NetworkOut);
    Delta1=W2'*Delta2.*HiddenOut.*(1-HiddenOut);
    %计算权值调节量
    dW2Ex=Delta2*HiddenOutEx';
    dW1Ex=Delta1*SamInEx';
    %权值调节
    W1Ex=W1Ex+lr*dW1Ex;
    W2Ex=W2Ex+lr*dW2Ex;
    W2=W2Ex(:,1:HiddenUnitNum);
end
W1=W1Ex(:,1:InDim);
B1=W1Ex(:,InDim+1);
W2=W2Ex(:,1:HiddenUnitNum);
B2=W2Ex(:,HiddenUnitNum+1);
%     绘制误差曲线
figure
title('误差曲线');
hold on
grid
[xx,Num]=size(ErrHistory);
plot(1:Num,ErrHistory,'r-');
%     testsamnum=SamNum;
%     testsamin=SamIn;
TestSamNum=500;% 测试样本数
TestSamIn=(rand(2,TestSamNum)-0.5)*4;
TestHiddenOut=logsig(W1*TestSamIn+repmat(B1,1,TestSamNum));
TestNNOut=logsig(W2*TestHiddenOut+repmat(B2,1,TestSamNum));

[val nnclass]=max(TestNNOut);

figure
title('测试结果');echo off
axis([-2,2,-2,2]);axis on;grid
xlabel('TestSamIn x');
ylabel('TestSamIn y');
line([-1 1],[1 1]);
line([1 -1],[1 0]);
line([-1 -1],[0 1]);
line([-1 1],[-0.5 -0.5]);
line([-1 1],[-1.5 -1.5]);
line([1 1],[-0.5 -1.5]);
line([-1 -1],[-0.5 -1.5]);
hold on

TestSamOut = [];
for i = 1:TestSamNum
    x = TestSamIn(1,i);
    y = TestSamIn(2,i);
    if nnclass(i)==1
        plot(x,y,'ro');
    elseif nnclass(i)==2
        plot(x,y,'r+');
    else
        plot(x,y,'rs');
    end
    if((x>-1)&(x<1))==1
        if ((y>x/2+1/2)&(y<1))==1
            class = 2;
        elseif((y<-0.5)&(y>-1.5))==1
            class = 3;
        else
            class = 1;
        end
    else
        class = 1;
    end
    TestSamOut = [TestSamOut class];
end
Result = ~abs(nnclass-TestSamOut);       % 正确分类显示为1
Percent = sum(Result)/length(Result)   % 正确分类率
SSE