BP及RBP神经网络逼近.pdfVIP

《BP及 RBP神经网络逼近、 药品销售 预测、基本遗传算法设计实验》 实 验 指 导 书 雷菊阳 编 机械工程学院 2012 年 6 月 实验一、 BP及 RBP神经网络逼近 一、实验目的 1、了解 MATLAB 集成开发环境 2、了解 MATLAB 编程基本方法 3、加深对ＢＰ算法的理解和掌握 4、掌握工具包入口初始化及调用 5、加深 BP、RBP 神经网络对任意函数逼近的理解 二、实验内容 1、MATLAB 基本指令和语法。 2、ＢＰ算法的 MATLAB 实现 三、实验步骤 1、熟悉 MATLAB 开发环境 2、输入参考程序 3、设置断点，运行程序，观察运行结果 四、参考程序 1、BP算法的 matlab 实现程序 %lr 为学习步长， err_goal 期望误差最小值， max_epoch训练的最大次数， 隐层和输出层初值为零 lr=0.05; err_goal=0.01; max_epoch=3000; a=0.9; Oi=0; Ok=0; %两组训练集和目标值 X=[1 1;-1 -1;1 1]; T=[1 1;1 1]; %初始化 wki ，wij （M为输入节点 j 的数量； q为隐层节点 i 的数量； L为输出节点 k的数量） [M,N]=size(X); q=8; [L,N]=size(T); wij=rand(q,M); wki=rand(L,q); wij0=zeros(size(wij)); wki0=zeros(size(wki)); for epoch=1:max_epoch %计算隐层各神经元输出 NETi=wij*X; for j=1:N for i=1:q Oi(i,j)=2/(1+exp(-NETi(i,j)))-1; end end %计算输出层各神经元输出 NETk=wki*Oi; for i=1:N for k=1:L Ok(k,i)=2/(1+exp(-NETk(k,i)))-1; end end %计算误差函数 E=((T-Ok)*(T-Ok))/2; if (Eerr_goal) break; end %调整输出层加权系数 deltak=Ok.*(1-Ok).*(T-Ok); w=wki; wki=wki+lr*deltak*Oi; wki0=w; %调整隐层加权系数 deltai=Oi.*(1-Oi).*(deltak*wki); w=wij; wij=wij+lr*deltai*X; wij0=w; end epoch %显示计算次数 %根据训练好的 wki ，wij 和给定的输入计算输出 X1=X; %计算隐层各神经元的输出 NETi=wij*X1; for j=1:N for i=1:q Oi(i,j)=2/(1+exp(-NETi(i,j)))-1; end end %计算输出层各神经元的输出 NETk=wki*Oi; for i=1:N for k=1:L O