bpnet.m

采用动量梯度下降算法训练 BP 网络。

% 采用动量梯度下降算法训练 BP 网络。 
% 训练样本定义如下： 
% 输入矢量为P,目标矢量为t= [-1 -1 1 1] 
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,-2,3,1;-1,1,5,-3]; 
% T 为目标矢量  
T=[-1, -1, 1, 1];  
pause;  
clc  
%? 创建一个新的前向神经网络  
net=newff(minmax(P),[3,1],{'tansig','purelin'},'traingdm') ;
%? 当前输入层权值和阈值  
inputWeights=net.IW{1,1}  ;
inputbias=net.b{1} ; 
%? 当前网络层权值和阈值  
layerWeights=net.LW{2,1} ;
layerbias=net.b{2} ; 
pause  ;
clc ; 
%? 设置训练参数  
net.trainParam.show = 50;  
net.trainParam.lr = 0.05;  
net.trainParam.mc = 0.9;  
net.trainParam.epochs = 1000;  
net.trainParam.goal = 1e-3;  
pause  
clc  
%? 调用 TRAINGDM 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  
echo off