📄 example.m
字号:
%bpnet举例,因为BP网络的权值初始化都是随即生成,所以每次运行的状态可能不一样。
%如果初始化的权值有利于训练,那么可能很快能结束训练,反之则反之
clear all
clc
figure
randn('state',sum(100*clock))
num1=5; %隐节点数
num2=10000; %最大迭代次数
a1=0.02; %期望误差
a2=0.05; %学习率
test=randn(1,5)*0.5; %随即生成5个测试值
in=-1:.1:1; %训练值
expout=[-.9602 -.5770 -.0729 .3771 .6405 .6600 .4609 .1336 -.2013 -.4344 -.5000 -.3930 -.1647 .0988 .3072 .3960 .3449 .1816 -.0312 -.2189 -.3201];
%上面是指定期望输出
%expout=0.3*randn(1,21); %随机产生一组期望输出值,不过效果不好
plot(in,expout,'+');
title('训练向量');
xlabel('in');
ylabel('expout');
output=bpnet(in,expout,num1,num2,a1,a2,test)
test
⌨️ 快捷键说明
复制代码
Ctrl + C
搜索代码
Ctrl + F
全屏模式
F11
切换主题
Ctrl + Shift + D
显示快捷键
?
增大字号
Ctrl + =
减小字号
Ctrl + -