1 bp网络原理.docVIP

1 BP网络原理 BP神经网络由多个网络层构成，通常包括一个输入层、若干个中间层和一个输出层。BP网络的特点是：各层神经元仅与相邻层神经元之间有连接；各层内神经元之间没有任何连接；各层神经元之间也没有反馈连接。BP网络具有很强的非线性映射能力，根据Kolrnogorov定理，一个3层BP神经网络能够实现对任意非线性函数进行逼近。一个典型的3层BP神经网络模型如图1所示。 图1 典型的三层BP神经网络结构 【分享】matlab遗传算法工具箱函数及实例讲解 [i=s] 本帖最后由 messenger 于 2009-10-14 11:09 编辑 [/i]核心函数： (1)function [pop]=initializega(num,bounds,eevalFN,eevalOps,options)--初始种群的生成函数 【输出参数】 ? ?pop--生成的初始种群 【输入参数】 ? ?num--种群中的个体数目 ? ?bounds--代表变量的上下界的矩阵 ? ?eevalFN--适应度函数 ? ?eevalOps--传递给适应度函数的参数 ? ?options--选择编码形式(浮点编码或是二进制编码)[precision F_or_B],如 ? ?? ?precision--变量进行二进制编码时指定的精度 ? ?? ?F_or_B--为1时选择浮点编码，否则为二进制编码,由precision指定精度) ??(2)function [x,endPop,bPop,traceInfo] = ga(bounds,evalFN,evalOps,startPop,opts,... ? ?? ?? ???termFN,termOps,selectFN,selectOps,xOverFNs,xOverOps,mutFNs,mutOps)--遗传算法函数 ??【输出参数】 ? ?? ?x--求得的最优解 ? ?? ?endPop--最终得到的种群 ? ?? ?bPop--最优种群的一个搜索轨迹 ??【输入参数】 ? ?? ?bounds--代表变量上下界的矩阵 ? ?? ?evalFN--适应度函数 ? ?? ?evalOps--传递给适应度函数的参数 ? ?? ?startPop-初始种群 ? ?? ?opts[epsilon prob_ops display]--opts(1:2)等同于initializega的options参数，第三个参数控制是否输出，一般为0。如[1e-6 1 0] ? ?? ?termFN--终止函数的名称,如[maxGenTerm] ? ?? ?termOps--传递个终止函数的参数,如[100] ? ?? ?selectFN--选择函数的名称,如[normGeomSelect] ? ?? ?selectOps--传递个选择函数的参数,如[0.08] ? ?? ?xOverFNs--交叉函数名称表，以空格分开，如[arithXover heuristicXover simpleXover] ? ?? ?xOverOps--传递给交叉函数的参数表，如[2 0;2 3;2 0] ? ?? ?mutFNs--变异函数表，如[boundaryMutation multiNonUnifMutation nonUnifMutation unifMutation] ? ?? ?mutOps--传递给交叉函数的参数表,如[4 0 0;6 100 3;4 100 3;4 0 0] ??matlab遗传算法工具箱 addoil 发表于 2003-10-25 12:32 【分享】matlab遗传算法工具箱函数及实例讲解 [i=s] 本帖最后由 messenger 于 2009-5-18 16:10 编辑 [/i]【注意】matlab工具箱函数必须放在工作目录下 【问题】求f(x)=x+10*sin(5x)+7*cos(4x)的最大值，其中0=x=9 【分析】选择二进制编码，种群中的个体数目为10，二进制编码长度为20，交叉概率为0.95,变异概率为0.08 【程序清单】 ? ???%编写目标函数 ? ?? ? function[sol,eval]=fitness(sol,options) ? ?? ?? ?x=sol(1); ? ?? ?? ?eval=x+10*sin(5*x)+7*cos(4*x); ? ???%把上述函数存储为fitness.m文件并放在工作目录下 ? ?? ?? ???initPop=initializega(10,[0 9],fitness);%生成初始种群，大小为10 ? ???[x endPop,bPo