bp网络算法..docVIP

BP网络算法：（方子亭） 算法的执行步骤如下： 步1.对权系数置初值 对各层的权系数置一个较小的非零随机数，但其中 步2.输入第个输入样本以及对应期望输出 步3.计算各层的输出 对于第k层的第j个神经元的输出，有： ， 步4.求各层的学习误差 步5.修正权系数和阈值 步6.当求出了各层各权系数之后，可按给定判别指标判别是否满足要求 如果满足要求则算法结束 如果不满足要求则返回3执行 算法MATLAB程序如下：（注：程序中符号与算法中不尽相同） clear; %清空内存区 clc; %清空命令区 InputNums=str2num(input( 请输入输入层神经元个数 InputNums＝ ,s)); %输入层神经元 HideNums=str2num(input( 请输入隐含层神经元个数 HideNums＝ ,s)); %隐层神经元数 OutputNums=str2num(input( 请输入输出层神经元个数 OutputNums＝ ,s)); %输出层神经元 MaxCount=str2num(input( 请输入最大迭代次数 MaxCount＝ ,s)); %最大迭代次数 SampleNum=str2num(input( 请输入训练样本个数 SampleNum＝ ,s)); %训练样本个数 msgbox(BP网络正在进行学习训练,请稍候。。。。。。,请注意); %提示对话框 Precision=0.001; %预设精度 Alpha=0.01; %学习率设定值 Error=zeros(1,MaxCount+1); %Error数组初始化；目的是预分配内存空间 Errorp=zeros(1,SampleNum); %同上 v=rand(InputNums,HideNums); %v初始化随机归一矩阵; v表输入层到隐层的权值 Deltv=zeros(InputNums,HideNums); %内存空间预分配 w=rand(HideNums,OutputNums); %w初始化随机归一矩阵; w表隐层到输出层的权值 deltw=zeros(HideNums,OutputNums); %内存空间预分配 Samplelist=ones(SampleNum,OutputNums)+rand(SampleNum,InputNums) Expectlist=ones(SampleNum,OutputNums) Count=1; while (Count=MaxCount) %结束条件1迭代MaxCount次 c=1; while (c=SampleNum) for k=1:OutputNums d(k)=Expectlist(c,k); %获得期望输出的向量,d(1:3)表示一个期望向量内 的值 end for i=1:InputNums x(i)=Samplelist(c,i); %获得输入的向量（数据）,x(1:3)表一个训练向量 end %计算各层误差 for j=1:HideNums net=0.0; for i=1:InputNums net=net+x(i)*v(i,j); %输入层到隐层的加权和∑X(i)V(i) end y(j)=1/(1+exp(-net)); %输出层处理f(x)=1/(1+exp(-x))单极性sigmiod函数 end for k=1:OutputNums net=0.0; for j=1:HideNums net=net+y(j)*w(j,k); end o(k)=1/(1+exp(-net)); end Errortmp=0.0; for k=1:OutputNums Errortmp=Errortmp+(d(k)-o(k))^2; %第一组训练后的误差计算 end Errorp(c)=0.5*Errortmp; %误差E=∑(d(k)-o(k))^2 * 1/2 for k=1:OutputNums yitao(k)=(d(k)-o(k))*o(k)*(1-o(k));