LM 优化算法和贝叶斯正则化算法.docxVIP

% 采用贝叶斯正则化算法提高 BP 网络的推广能力。在本例中，我们采用两种训练方法，%即 L-M 优化算法（trainlm）和贝叶斯正则化算法（trainbr），% 用以训练 BP 网络，使其能够拟合某一附加有白噪声的正弦样本数据。其中，样本数据可以采用如下% MATLAB 语句生成： % 输入矢量：P = [-1:0.05:1]； % 目标矢量：randn(‘seed’； % T = sin(2*pi*P)+0.1*randn(size(P))； % MATLAB 程序如下：close all clear all clc % P 为输入矢量 P = [-1:0.05:1]; % T 为目标矢量 T = sin(2*pi*P)+0.1*randn(size(P)); % 创建一个新的前向神经网络 net=newff(minmax(P),[20,1],{tansig,purelin}); disp(1. L-M 优化算法 TRAINLM); disp(2. 贝叶斯正则化算法 TRAINBR); choice=input(请选择训练算法(1,2):); if(choice==1)% 采用 L-M 优化算法 TRAINLM net.trainFcn=trainlm; % 设置训练参数 net.trainParam.epochs = 500; net.trainPara