用matlab编BP神经网络预测程序参照.pdf

求一用 matlab 编的程序 P=[ 。。。 ];输入 T=[ 。。。 ];输出 % 创建一个新的前向神经网络 net_1=newff(minmax(P),[10,1],{tansig,purelin},traingdm) % 当前输入层权值和阈值 inputWeights=net_1.IW{1,1} inputbias=net_1.b{1} % 当前网络层权值和阈值 layerWeights=net_1.LW{2,1} layerbias=net_1.b{2} % 设置训练参数 net_1.trainParam.show = 50; net_1.trainParam.lr = 0.05; net_1.trainParam.mc = 0.9; net_1.trainParam.epochs = 10000; net_1.trainParam.goal = 1e-3; % 调用 TRAINGDM 算法训练 BP 网络 [net_1,tr]=train(net_1,P,T); % 对 BP 网络进行仿真 A = sim(net_1,P); % 计算仿真误差 E = T - A; MSE=mse(E) x=[ 。。。];% 测试 sim(net_1,x) %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 不可能啊 我 2009 28 对初学神经网络者的小提示 第二步：掌握如下算法 : 2. 最小均方误差 , 这个原理是下面提到的神经网络学习算法的理论核心 , 入门者要先看《高等数学》 （高等教育出版社，同济大学版）第 8 章的 第十节： “最小二乘法 ”。 3. 在第 2 步的基础上看 Hebb 学习算法、 SOM 和 K- 近邻算法， 上述算 法都是在最小均方误差基础上的改进算法， 参考书籍是 《神经网络原理》 （机械工业出版社，Simon Haykin 著，中英文都有）、《人工神经网络 与模拟进化计算》 （清华大学出版社，阎平凡，张长水著） 、《模式分类》 （机械工业出版社， Richard O. Duda 等著，中英文都有） 、《神 经网络设计》（机械工业出版社，Martin T . Hargan 等著，中英文都有）。 4.ART( 自适应谐振理论 ), 该算法的最通俗易懂的读物就是 《神经网络设 计》（机械工业出版社， Martin T. Hargan 等著，中英文都有）的第 15 和 16 章。若看理论分析较费劲可直接编程实现一下 16.2.7 节的 ART1 算法小节中的算法 . 4.BP 算法 , 初学者若对误差反传的分析过程理解吃力可先跳过理论分析 和证明的内容 ,直接利用最后的学习规则编个小程序并测试 , 建议看《机 器学习》 (机械工业出版社， Tom M. Mitchell 著，中英文都有）的第 4 章和《神经网络设计》 （机械工业出版社， Martin T . Hargan 等著，中 英文都有）的第 11 章。 BP 神经网络 Matlab 实例（ 1 ） 分类： Matlab 实例 采用 Matlab 工具箱函数建立神经网络，对一些基本的神经网络参数进 行了说明，深入了解参考 Matlab 帮助文档。 % 例 1 采用动量梯度下降算法训练 BP