demo_bp2.m

BP神经网络的演示程序!

% nnd_bp2.m
% 8-3-8 Ecoder Problem
% Backprogation with adaptive learning rate 
%
% Matlab Neural Network Toolbox 3.0
% O. Bittel, 1.3.1999

echo on

% Lernaufgabe
P = [1 0 0 0 0 0 0 0;
     0 1 0 0 0 0 0 0;
     0 0 1 0 0 0 0 0;
     0 0 0 1 0 0 0 0;
     0 0 0 0 1 0 0 0;
     0 0 0 0 0 1 0 0;
     0 0 0 0 0 0 1 0;
     0 0 0 0 0 0 0 1];
T = [1 0 0 0 0 0 0 0;
     0 1 0 0 0 0 0 0;
     0 0 1 0 0 0 0 0;
     0 0 0 1 0 0 0 0;
     0 0 0 0 1 0 0 0;
     0 0 0 0 0 1 0 0;
     0 0 0 0 0 0 1 0;
     0 0 0 0 0 0 0 1];
  
% Definition des Netzes:
f = 'logsig';								% Aktivierungsfunktion
net = newff(minmax(P),[3,8],{f,f}); % 8-3-8-Netz
net = init(net);

% Training
net.trainFcn = 'trainrp';		% Resilient Backpropagation
net.performFcn = 'sse';		   % Performance-Fkt des Netzes ist sum squared error (sse)
net.trainParam.show = 10;     % Display-Rate
net.trainParam.epochs = 2000; % Max Anz. Epochen
net.trainParam.goal = 0.05;	% Fehlerziel: SSE = 0
net = train(net,P,T);

pause % Irgendeine Taste eingeben 
clc;

% Netz anwenden:
O = sim(net,P);
P
T
hardlim(O-0.5)	% Schwellenwertfunktion