bp.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。
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

%下面是本程序某次训练结果。图中给出了相应的误差变化曲线，可见当训练至第568步时，网络性能达标