基于MATLABBP神经网络设计与仿真.pdfVIP

SHANDONGＵＮＩＶＥＲＳＩＴＹ ＯＦ ＴＥＣＨＮＯＬＯＧＹ 毕业设计说明书 基于MATLAB的BP神经网络设计与仿真 学 院： 计算机科 学与技术 专 业： 计算机科 学与技术 学生姓名： 学 号： 指导教师： 2012 年 6 月 1 摘 要 设计进行地震预测采用单隐层的BP 网络，通过查找往年的数据，可以提取 出7个预报因子，作为输入样本为7 维的输入向量。所以有7个神经元作为输入 层，有15个神经元作为中间层。因为网络的输出数据只有一个，则输出层只有 1个神经元，所以说网络采用的结构为7*15*1。网络以梯度下降法进行学习，学 习速率为自适应。所用到的训练函数是traingdx。主要成果是：由于中间层的神 经元个数能直接影响着网络预测的性能，要想达到最佳的性能，通过大量的实验 数据检测，当网络达到最小的预测误差时，网络中间层神经元的个数就取得最佳 值，同时也证明了一个重要的结论：如果增加中间层的神经元个数，网络的反应 精度在一定程度上会有所提高，而网络的性能不一定会提高。 关键词：BP网络 神经元 梯度下降法 2 Abstract This design adopts the BP network of the single-hidden layer neuron to do the earthquake predication.According to searching the data of recent years, I put forward seven forecast factors which are the input vector of seven-dimensional input samples. This shows that there are 7 neurons in the input-layer and 15 neurons in the Middle Tier. Since the network has only one output datum, the output layer has only one neuron and the network structure adopts the 7*15*1. Thetrainingfunction ofthe networkistraingdx.It functionsthrough thegradient descent algorithmandadoptsthestudyvelocity. The main achievements: Since the number of the neurons in the Middle Tier are not only difficult to confirm but also influence the predictable performance, it can illustrates through alarge number of the experimental data that when the predictable errors come to the least, the numbers of the neurons reach their maximum. This also testifies an important conclusion:Although increasing the number of neuronscan enhancethenetwork’s reactionprecise,it can not always advancethecapacity ofthenetwork. Keywords : BP network , neurons , the gradient descent algorithm