智能控制MALAB神经网络BP算法，【精品】智能控制BP算法神经网络训练.docx

clc

智能控制BP算法神经网络训练

1.采用贝叶斯正则化算法提高BP网络的推广能力。我们采用两种训练方法，即L-M优化算法(trainlm)和贝叶斯正则化算法(trainbr),用以训练BP网络，

使其能够拟合某一附加有白噪声的正弦样本数据。

其中，样本数据可以采用如下MATLAB语句生成：

输入矢量：P=[-1:0.05:1];

目标矢量：randn(’seed’;

T=sin(2*pi*P)+0.1*randn(size(P));

解：本例的MATLAB程序如下：

closeall

clear

echoon

clc

%NEWFF——生成一个新的前向神经网络

%TRAIN——对BP神经网络进行训练

%SIM——对BP神经网络进行仿真

pause

%敲任意键开始

clc

%定义训练样本矢量

%P为输入矢量

P=[-1:0.05:1];

%T为目标矢量

randn(seed;T=sin(2*pi*P)+0.1*randn(size(P));

%绘制样本数据点

plot(PT,+);

echooff

holdon;

plot(P,sin(2*pi*P),:);

%绘制不含噪声的正弦曲线

echoon

clc

pause

clc

%