前馈神经网络-续-公开课件.pptVIP

目前实际应用中有两种权值调整方法。 上述标准BP算法中，每输入一个样本，都要回传误差并调整权值，亦称单样本训练，只针对每个样本产生的误差进行调整，难免顾此失彼，实践表明，使整个训练次数增加，导致收敛速度过慢。 另一种方法是在所有样本输入后，计算网络的总误差E总： P=0:0.05:4; %设置输入样本 T=[0.5:0.025:1 0.975:-0.025:0 0.025:0.025:0.5]; %期望输出值 %目标拟合曲线 plot(P,T) pause %生成1-4-1BP网络 net=newff(minmax(P),[4 1],{logsig purelin},trainlm); %设置第一第二层权值 net.IW{1}=[0.2;0.3;0.4;0.5]; net.LW{2}=[0.5 0.2 0.1 0.4 ]; %设置第一层第二层阈值均为零 net.b{1}=net.b{1}*0; net.b{2}=net.b{2}*0; %网络训练参数设置 net.trainparam.goal=0.0001;%设置训练误差值 net.trainparam.show=50;%设置数据显示刷新频率，学习５０次刷新一次图象 net.trainparam.epochs=1000;%设置训练次数 [net,tr]=train(net,P,T);%进行网络训练 Y=sim(n