lmtrain.m

nnToolKit 神经网络工具包是基于 MATLAB 神经网络工具箱自行开发的一组神经网络算法函数库

%此为BP网络训练程序
function retstr = LmTrain(ModelNo,NetPara,TrainPara,InputFun,OutputFun,DataDir)
NNTWARN OFF

retstr=-1;
%%%% 输入参数赋值开始 %%%%%%%%%%%%%%%%%%%%%%%
% 这部分代码主要是方便用户调试用
ModelNo='1';
NetPara(1)=7;
NetPara(2)=1;
NetPara(3)=6;
NetPara(4)=10;
TrainPara(1)=25;
TrainPara(2)=1000;
TrainPara(3)=0.001;
TrainPara(4)=0.001;
TrainPara(5)=0.001;
TrainPara(6)=10;
TrainPara(7)=0.1;
TrainPara(8)=1e10;
DataDir='.';
InputFun = 'tansig';
OutputFun = 'purelin';
%%%% 输入参数赋值结束 %%%%%%%%%%%%%%%%%%%%%%%%

%保留原目录
olddir=pwd;
%进入数据所在目录
cd(DataDir);

deltalin(1);
deltalog(1);
deltatan(1);
% 网络参数
InputDim=NetPara(1);       %输入层节点数
OutputDim=NetPara(2);      %输出层节点数
MidDim=NetPara(3);         %中间层节点数
data_num=NetPara(4);       %训练数据组数
% 网络训练参数
if (TrainPara == -1)
    df = 25;            %显示间隔次数 25
    me = 1000;             %最大循环次数 1000
    eg = 0.001;             %目标误差 0.02

    lr = 0.001;            %学习速率 0.001
    lr_inc = 0.001;        %学习速率增加比率 0.001
    lr_idec = 10;       %学习速率减少比率 10
    mom_const = 0.1;     %动量常数 0.1
    err_ratio = 1e10;     %最大误差比率 1e10
else
    df=TrainPara(1);            %显示间隔次数 25
    me=TrainPara(2);             %最大循环次数 1000
    eg=TrainPara(3);             %目标误差 0.02

    lr=TrainPara(4);            %学习速率 0.001
    lr_inc=TrainPara(5);        %学习速率增加比率 0.001
    lr_idec=TrainPara(6);       %学习速率减少比率 10
    mom_const=TrainPara(7);     %动量常数 0.1
    err_ratio=TrainPara(8);     %最大误差比率 1e10
end
% 输入层到中间层的传递函数
if (length(InputFun)==0)
    InputFun = 'tansig';
end
% 中间层到输出层的传递函数  
if (length(OutputFun)==0)
    OutputFun = 'purelin';
end    
tp=[df me eg lr lr_inc lr_idec mom_const err_ratio];
%tp=[df me eg 0.001 0.001 10 0.1 1e10];

frin_para=fopen(sprintf('input_para%s%s',ModelNo,'.txt'),'r');      %输入数据文件
frout_para=fopen(sprintf('output_para%s%s',ModelNo,'.txt'),'r');    %输出数据文件

[p,count]=fscanf(frin_para,'%f',[InputDim,data_num]);   %取输入数据 
[t,count]=fscanf(frout_para,'%f',[OutputDim,data_num]); %取输出数据

fclose(frin_para);
fclose(frout_para);


[r,q]=size(p); [s2,q]=size(t);

[w1,b1]=rands(MidDim,r);
[w2,b2]=rands(s2,MidDim);

NNTWARN OFF
[w1,b1,w2,b2,epochs,errors]=trainlm(w1,b1,InputFun,w2,b2,OutputFun,p,t,tp);

%将网络训练结果写入文件
fww1=fopen(sprintf('w%s%s',ModelNo,'1.dat'),'w');
fwb1=fopen(sprintf('b%s%s',ModelNo,'1.dat'),'w');
fww2=fopen(sprintf('w%s%s',ModelNo,'2.dat'),'w');
fwb2=fopen(sprintf('b%s%s',ModelNo,'2.dat'),'w');

fprintf(fww1,'%9.4f ',w1);
fprintf(fwb1,'%9.4f ',b1);
fprintf(fww2,'%9.4f\n',w2);
fprintf(fwb2,'%9.4f\n',b2);

fclose(fww1);
fclose(fwb1);
fclose(fww2);
fclose(fwb2);

%将训练过程误差写入误差文件
ferr=fopen(sprintf('lm_err%s%s',ModelNo,'.dat'),'w');
fprintf(ferr,'%10.6f\n',errors);
fclose(ferr);

cd(olddir);

retstr=epochs;
close all;