neuralnetwork_bp_classification.m

bp神经网络用于分类的matlab程序

% BP 神经网络用于模式分类
% 使用平台 - Matlab6.5

clc
clear
close all

%---------------------------------------------------
% 产生训练样本与测试样本，每一列为一个样本

trnx = [rand(3,5),rand(3,5)+1,rand(3,5)+2];% 训练样本
trny= [repmat([1;0;0],1,5),repmat([0;1;0],1,5),repmat([0;0;1],1,5)];% 训练目标

tstx = [rand(3,5),rand(3,5)+1,rand(3,5)+2]; % 测试样本
tsty = [repmat([1;0;0],1,5),repmat([0;1;0],1,5),repmat([0;0;1],1,5)]; % 测试目标
%---------------------------------------------------
% 函数接口赋值

NodeNum = 30;           % 隐层节点数 
TypeNum = 3;            % 输出维数
Epochs = 1000;          % 训练次数
%---------------------------------------------------
% 设置网络参数
%TF1 = 'tansig';TF2 = 'purelin'; % 缺省值
%TF1 = 'tansig';TF2 = 'logsig';
TF1 = 'logsig';TF2 = 'purelin';
%TF1 = 'tansig';TF2 = 'tansig';
%TF1 = 'logsig';TF2 = 'logsig';
%TF1 = 'purelin';TF2 = 'purelin';

net = newff(minmax(trnx),[NodeNum TypeNum],{TF1 TF2},'trainlm');

% 指定训练参数
%net.trainFcn = 'trainlm';  % 内存使用最多（快）
%net.trainFcn = 'trainbfg';
%net.trainFcn = 'trainrp';  % 内存使用最少（慢）
%net.trainFcn = 'traingda'; % 变学习率
%net.trainFcn = 'traingdx';

net.trainParam.epochs = Epochs;     % 最大训练次数
net.trainParam.goal = 1e-8;         % 最小均方误差
net.trainParam.min_grad = 1e-20;    % 最小梯度
net.trainParam.show = 200;          % 训练显示间隔
net.trainParam.time = inf;          % 最大训练时间

%---------------------------------------------------
% 训练与测试

net = train(net,trnx,trny);             % 训练
X = sim(net,tstx);                     % 测试 - 输出为预测值
X = full(compet(X))                 % 竞争输出

%---------------------------------------------------
% 结果统计
Result = ~sum(abs(X-tsty))               % 正确分类显示为1
Percent = sum(Result)/length(Result)   % 正确分类率