计算智能后向传播学习前馈型神经网络matlab实验报告.docxVIP

计算智能实验报告 后向传播学习前馈型神经网络 班 姓  级 名 指导教师 成  绩 自动化学院 2017 年 5 月 目 录 实 验 目 的 ..........................................1 实 验 要 求 ..........................................1 实 验 设 备 ..........................................1 实 验 程 序 与 结 果 ....................................1 实 验 心 得 ..........................................5 一、实验目的 掌握后向传播学习前馈型神经网络（Back Propagation Feed- forward Neuarl Network, BPNN） 二、实验要求 matlab 实现例 2.1 的 BPNN 算法 三、实验设备 pc 机，MATLAB R2013b 四、实验程序与结果 实验代码： maxloop=int16(100);%最大循环次数 sl=double(0.9);%学习率 mlnum=int16(2);%中间层节点数 =[0.2, -0.3; 0.4 ,0.1; -0.5, 0.2];%中间层权值 =[-0.3;-0.2];%输出层权值 mlt=[-0.4,0.2];%中间层阈值 olt=0.1;%输出层阈值 merr=[0.0,0.0];%中间层误差 oerr=0.0;%输出层误差 mout=[0.0,0.0];%中间层输出量 oout=0.0;%输出层输出量 n_in=int8(3);%输入节点个数 n_out=int8(1);%输出节点个数 n=int16(0);%循环次数 tmp=double(0.0);%累加 errl=double(0.000001);%误差限 error=errl+1;%输出误差 Sample=int16(1);%样本个数 =[1.0,0.0,1.0];%样本 =double(1.0);%理想输出 ploterr=0:0.01:1; plotout=0:0.01:1; =int16(0); =int8(0); 1 k=int8(0); for n=1:maxloop if errorerrl break end for i=1:Sample for k=1:mlnum tmp=0.0; for j=1:n_in tmp = tmp + (x(i,j) * v(j,k)); end tmp = tmp + mlt(k); mout(k) = (1/(1 + exp(-tmp))); end for k=1:n_out tmp=0.0; for j=1:mlnum tmp = tmp + (mout(j) * w(j,k)); end tmp = tmp + olt(k); oout = (1/(1 + exp(-tmp))); end for j=1:n_out oerr=oout(j)*(1-oout(j))*(y(i,j)-oout(j)); end for j=1:n_out error=oout(j)*(y(i,j)-oout(j))*(y(i,j)-oout(j)); end for j=1:mlnum tmp=0.0; for k=1:n_out tmp = tmp + (w(j,k) * oerr(k)); end merr(j) = tmp*mout(j)*(1-mout(j)); end for j=1:mlnum for k=1:n_out w(j,k) = w(j,k) + (sl*mout(j)*oerr(k)); end end for j=1:n_in for k=1:mlnum v(j,k) = v(j,k) + (sl*x(i,j)*merr(k)); end end for j=1:n_out olt=olt(j)+ (sl*oerr(j)); end for j=1:n_out mlt(j)=mlt(j)+ (sl*merr(j)); end end %输出结果 fprintf(第%d 次迭代后误差为：%f,n,error) fprintf( 第%d 次迭代后输出为：%f\n,n,oout) end fprintf(迭代次数： fprintf(最终输出：); disp(oout); 运行结果： shiyan1%d\n,n); 第 1 次迭代后误差为：0.131169 第 2 次迭代后误差