BP神经网络训练程序.docVIP

clear all clc pp1=xlsread(inputBP1.xls); %将名为testdata1的excel表格中的数据导入 tt1=xlsread(outputBP1.xls); %将名为testdata2的excel表格中的数据导入 pp2=xlsread(inputBP2.xls); %将名为testdata1的excel表格中的数据导入 tt2=xlsread(outputBP2.xls); %将名为testdata2的excel表格中的数据导入 %其中p1 t1 分别为输入样本和与之一一对应的输出样本 p1=[pp1,pp2]; t1=[tt1,tt2]; clc p=p1;t=t1; [pn,minp,maxp,tn,mint,maxt]=premnmx(p,t) %对样本进行归一化 %设置网络隐单元的神经元数 n=5;%隐层节点数 %建立相应的BP网络 net=newff(minmax(pn),[n,3],{tansig,tansig},trainrp);%红色字体为输出层节点数%和训练函数，其中训练函数可以根据训练效果的不同而更换，备选的函数见下页 inputWeights=net.IW{1,1}; inputbias=net.b{1}; layerWeights=net.IW{1,1}; layerbias=net.b{2}; pause clc % 训练网络 net.trainParam.show=50;%每50步显示一次误差 net.trainParam.lr=0.05;%训练步长 net.trainParam.mc=0.9; net.trainParam.epochs=50000;%最大训练次数 net.trainParam.goal=1e-3;%设定的期望误差，一般为0.001，可以修改 pause clc %调用TRAINSCG算法训练BP网络 net=train(net,pn,tn);%训练函数 %对BP网络进行仿真 A=sim(net,pn); E=A-tn M=sse(E) N=mse(E) echo off save mynet net%保存训练好的网络以备以后循环使用 以下部分为BP网络的训练函数 trainbr trainc traincgb traincgf traincgp traingda traingdx trainlm trainoss trainr trainrp trains trainscg 以下部分为仿真程序，把输入变量复制给，p2，然后顺序执行以下三个函数即可 P2=[ ， ， ，；]%p2为输入 p2n=tramnmx(p2,minp,maxp);%首先需要把p2归一化为p2n，这样才能利用训练好的神经网络a2n=sim(net,p2n);利用p2n求得输出结果a2n，注意，此时a2n需要反归一化后才是真实输出a2=postmnmx(a2n,mint,maxt)%将a2n反归一化，此时a2即是我们所需要的结果