BP神经网络matlab实例(简单而经典) 学习资料.doc

PAGE PAGE 2 1、BP网络构建 （1）生成BP网络 ：由维的输入样本最小最大值构成的维矩阵。 ：各层的神经元个数。 ：各层的神经元传递函数。 ：训练用函数的名称。 （2）网络训练 （3）网络仿真 BP网络的训练函数 训练方法 训练函数 梯度下降法 traingd 有动量的梯度下降法 traingdm 自适应lr梯度下降法 traingda 自适应lr动量梯度下降法 traingdx 弹性梯度下降法 trainrp Fletcher-Reeves共轭梯度法 traincgf Ploak-Ribiere共轭梯度法 traincgp Powell-Beale共轭梯度法 traincgb 量化共轭梯度法 trainscg 拟牛顿算法 trainbfg 一步正割算法 trainoss Levenberg-Marquardt trainlm BP网络训练参数 训练参数 参数介绍 训练函数 net.trainParam.epochs 最大训练次数（缺省为10） traingd、traingdm、traingda、traingdx、trainrp、traincgf、traincgp、traincgb、trainscg、trainbfg、trainoss、trainlm net.trainParam.goal 训练要求精度（缺省为0） traingd、traingdm、traingda、traingdx、trainrp、traincgf、traincgp、traincgb、trainscg、trainbfg、trainoss、trainlm net.trainParam.lr 学习率（缺省为0.01） traingd、traingdm、traingda、traingdx、trainrp、traincgf、traincgp、traincgb、trainscg、trainbfg、trainoss、trainlm net.trainParam.max_fail 最大失败次数（缺省为5） traingd、traingdm、traingda、traingdx、trainrp、traincgf、traincgp、traincgb、trainscg、trainbfg、trainoss、trainlm net.trainParam.min_grad 最小梯度要求（缺省为1e-10） traingd、traingdm、traingda、traingdx、trainrp、traincgf、traincgp、traincgb、trainscg、trainbfg、trainoss、trainlm net.trainParam.show 显示训练迭代过程（NaN表示不显示，缺省为25） traingd、traingdm、traingda、traingdx、trainrp、traincgf、traincgp、traincgb、trainscg、trainbfg、trainoss、trainlm net.trainParam.time 最大训练时间（缺省为inf） traingd、traingdm、traingda、traingdx、trainrp、traincgf、traincgp、traincgb、trainscg、trainbfg、trainoss、trainlm net.trainParam.mc 动量因子（缺省0.9） traingdm、traingdx net.trainParam.lr_inc 学习率lr增长比（缺省为1.05） traingda、traingdx net.trainParam.lr_dec 学习率lr下降比（缺省为0.7） traingda、traingdx net.trainParam.max_perf_inc 表现函数增加最大比（缺省为1.04） traingda、traingdx net.trainParam.delt_inc 权值变化增加量（缺省为1.2） trainrp net.trainParam.delt_dec 权值变化减小量（缺省为0.5） trainrp net.trainParam.delt0 初始权值变化（缺省为0.07） trainrp net.trainParam.deltamax 权值变化最大值（缺省为50.0） trainrp net.trainParam.searchFcn 一维线性搜索方法（缺省为srchcha） traincgf、traincgp、traincgb、trainbfg、trainoss net.trainParam.sigma 因为二次求导对权值调整的影响参数（缺省值5.0e-5） trainscg net.trainParam.lambda Hessian矩阵不确定性调节