11.m

来自「L-M优化算法（trainlm）和贝叶斯正则化算法（trainbr）」· M 代码 · 共 82 行

P=[-1:0.05:1];
randn('seed',78341223);
T=sin(2*pi*P)+0.1*randn(size(P));
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
%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),':');
%绘制不含噪声的正弦曲线
echo on
clc
pause
clc
%创建一个新的前向神经网络
net=newff(minmax(P),[20,1],{'tansig','purelin'});
pause
clc
echo off
clc
disp('1. L-M优化算法TRAINLM');disp('2. 贝叶斯正则化算法TRAINBR');
choice=input('请选择训练算法(1，2)：');
figure(gcf);
if(choice==1)
echo on
clc
%采用L-M优化算法TRAINLM
net.trainFcn='trainlm';
pause
clc
%设置训练参数
net.trainParam.epochs=500;
net.trainParam.goal=1e-6;
%重新初始化
pause
clc
elseif(choice==2)
echo on
clc
%采用贝叶斯正则化算法TRAINBR
net.trainFcn='trainbr';
pause
clc
%设置训练参数
net.trainParam.epochs=500;
randn('seed',192736547);
net=init(net);
%重新初始化
pause
clc
end
%调用相应算法训练BP网络
[net,tr]=train(net,P,T);
pause
clc
%对BP网络进行仿真
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),':');
pause;
clc
echo off