bpnet1.asv

自组织特征映射网络matlab 的仿真 供大家分享~

function F=BPnet1(X)
lr=0.05; %学习率
err_goal=0.001; 
max_epoch=10000;
X=[1 2;-1 1;1 3];T=[1 1;1 1];  %三输入两输出的训练集和目标值
[M,N]=size(X);q=10;[L,N]=size(T);  %N为训练集对 数量，M为输入节点j的数量，q隐含层节点i的数量，L输出节点k的数量
Wij=rand(q,M);   %随机给定输入层与隐含层间的权值
Wki=rand(L,q);  %随机给定隐含层与输出层间的权值
b1=zeros(q,1);b2=zeros(L,1); %随机给定隐含层，输出层的偏值
for epoch=1:max_epoch
    Oi=tansig(Wij*X,b1);         %计算网络隐含层各神经元的输出
    Ok=purelin(Wki*Oi,b2);     %计算网络输出层各神经元的输出
    E=T-Ok; %计算网络误差
    deltak=deltalin(Ok,E);   %计算输出层的导数
    deltai=deltatan(Oi,deltak,Wki); %计算隐含层的导数
    [dWki,db2]=learnbp(Oi,deltak,lr);
    Wki=Wki+dWki;b2=b2+db2;  %调整输出层加权系数
    [dWij,db1]=learnbp(X,deltai,lr);
    Wij=Wij+dWij;b1=b1+db1;  %调整隐含层加权系数
    SSE=sumsqr(T-purelin(Wki*tansig(Wij*X,b1),b2)); %计算网络权值修正后的误差平方和
    if(SSE<err_goal)break;end
end
epoch
X1=X;
Oi=tansig(Wij*X1,b1);
Ok=purelin(Wki*Oi,b2);
Ok