原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
%BP神经网络用于系统辨识训练预测程序
clear all
clc
%产生随机序列作为系统输入
A=6; x0=1; M=255; f=2; N=60;Q=2*N/3;H=N-Q-1; %初始化
for k=1:N
x2=A*x0; %分别用x2和x0表示xi和xi-1
x1=mod (x2,M); %x2除以M的余数给x1
v1=x1/256; %x1除以256得到小于1的随机数给v1
if v1-0.5=0
u(:,k)=v1*f-1;%如果随机数v1大于0.5，就乘以系数f减去1，将结
else %果存于U的第k列中
u(:,k)=v1-1; %不满足条件的运算结果存于矩阵U中
end
x0=x1;%xi-1=xi
v0=v1;%vi-1=vi
end
z=zeros(1,N); %输出长度
v=rand(1,N); %随机噪声
for k=3:N
z(k)=1.5*z(k-1)-0.7*z(k-2)+1.1*u(k-1)+0.3*u(k-2)-v(k-1)+0.2*v(k-2);
end %理想输出作为观察值
for k=1:N-2
hl(k,:)=[-z(k+1),-z(k),u(k+1),u(k),v(k+1),v(k)];%样本矩阵HL赋值
zl(k)=z(k+2); %给样本矩阵ZL赋值
end
HL=(hl-min(min(hl)))/(max(max(hl))-min(min(hl))); %数据归一化
ZL=(zl-min(zl))/(max(zl)-min(zl)); %数据归一化
p=HL(1:Q,:); %训练样本输入
p1=HL(Q:N-2,:); %测试样本输入
b1=ones(Q,1);b2=ones(H,1); %初始化
P=[p,b1]; %增广训练样本
P1=[p1,b2]; %增广测试样本
T=ZL(1,1:Q); %训练样本理想输出
T1=ZL(1,Q:N-2); %测试样本理想输出
inputNums=6; %网络输入层节点数
outputNums=1; %网络输出层节点数
hideNums=10; %网络隐层节点数
lc=0.03; %学习率
max_epoch=3000; %最大循环次数
error_goal=0.00001; %期望误差最小值
B1=randn(1,hideNums); %输入层到隐含层的阈值初始化
B2=randn(1,outputNums); %隐含层到输出层的阈值初始化
w1=randn(inputNums,hideNums); %输入层到隐含层的权值初始化
w2=randn(hideNums,outputNums); %隐含层到输出层的权值初始化
W1=[w1;B1]; %输入层到隐含层的增广权矩阵
W2=[w2;B2]; %隐含层到输出层的增广权矩阵
error=zeros(1,max_epoch); %训练误差
%训练样本集P对BP神经网络进行训练
for k=1:max_epoch
for i=1:Q %单个样本的输入
for j=1:hideNums
net=P(i,:)*W1(:,j); %隐含层神经元的输入
y(i,j)=1/(1+exp(-net)); %隐含层输出
end
Y(i,:)=[y(i,:),1]; %带阈值隐含层输出
for j=1
文档评论（0）