bp_net.m

用matlab编的

function main()
SamNum=100;          %训练样本数

HiddenUnitNum=10;    %隐节点数
InDim=2;             %输入样本维数
OutDim=1;            %输出样本维数

%根据目标函数获得样本输入和输出
rand('state',sum(100*clock))

SamIn=8*rand(2,SamNum)-4;
x=SamIn(1,:);y=SamIn(2,:);
SamOut=cos(2*pi*x).*cos(2*pi*y);


MaxEpochs=20000;      %最大训练次数
Ir=0.011;             %学习率
E0=2.0;               %目标误差

W1=0.2*rand(HiddenUnitNum,InDim)-0.1;       %输入层到隐层的初始权值
B1=0.2*rand(HiddenUnitNum,1)-0.1;           %隐节点初始阈值
W2=0.2*rand(OutDim,HiddenUnitNum)-0.1;      %隐层到输出层的初始权值
B2=0.2*rand(OutDim,1)-0.1;                  %输出层初始阈值

W1Ex=[W1 B1];                               %输入层到隐层的初始权值扩展
W2Ex=[W2 B2];                               %隐层到输出层的初始权值扩展

SamInEx=[SamIn' ones(SamNum,1)]';           %输入样本扩展
ErrHistory=[];                              %记录权值调整后的训练误差
for i=1:MaxEpochs
    %正向计算网络各层输出
    HiddenOut=logsig(W1Ex*SamInEx);
    HiddenOutEx=[HiddenOut' ones(SamNum,1)]';
    NetWorkOut=W2Ex*HiddenOutEx;
    
    %判断训练是否停止
    Error=SamOut-NetWorkOut;               %期望输出与实际输出之差
    SSE=sqrt(sumsqr(Error))
    
    %记录每次权值调整后的训练误差
    ErrHistory=[ErrHistory SSE];
    
    if SSE<E0,break,end
    
    %计算反向传播误差   
    Delta2=Error;                                  %输出层误差
    Delta1=W2'*Delta2.*HiddenOut.*(1-HiddenOut);    %隐层误差
    
    %计算权值调整量
    dW2Ex=Delta2*HiddenOutEx';
    dW1Ex=Delta1*SamInEx';
   
    %权值调整
    W1Ex=W1Ex+Ir*dW1Ex;
    W2Ex=W2Ex+Ir*dW2Ex;
    
    W2=W2Ex(:,1:HiddenUnitNum);

end

%显示计算结果
i
W1=W1Ex(:,1:InDim)
B1=W1Ex(:,InDim+1)
W2
B2=W2Ex(:,1+HiddenUnitNum)





%测试
%期望输出
figure
[X,Y]=meshgrid(x,y);
subplot(211)
plot3(X,Y,SamOut,'y.');
xlabel('x-label');
ylabel('y-label');
zlabel('z-label');

%实际输出
 subplot(212)
 plot3(X,Y,NetWorkOut,'r.');
 xlabel('x-label');
ylabel('y-label');
zlabel('z-label');



%绘制学习误差曲线
figure
hold on 
grid
[xx,Num]=size(ErrHistory);
plot(1:Num,ErrHistory,'g-')