《考拉BP神经网络的matlab实现学习历程》.pdf

这两天在学习bp，总结和汇报一下，和大家一起学习。希望初入神经网络能有所收获，给

新手一些帮组和启发。也希望熟悉bp的高手，多提宝贵意见和建议。

学习内容总结成五个小节，具体内容如下：

第一节内容：包括神经网络的基础知识，BP网络的特点，bp主要应用的场合，使用时应注

意的问题。

第二节内容：主要是阐述BP中几个容易混绕的概念和问题，包括什么是网络的泛化能力？

过拟合是什么，怎么处理？学习速率有什么作用？神经网络的权值和阈值分别是个什么概念？

用BP逼近非线性函数，如何提高训练精度？

第三节内容：主要阐述使用matlab实现，为了充分利用数据，得到最优的网络训练结果，

在网络建立前，应该进行的基本数据处理问题，包括：BP神经网络matlab实现的基本步骤，

数据归一化问题和方法，输入训练数据的乱序排法，以及分类方法，如何查看和保存训练的

结果，每次结果不一样问题。

第四节内容：bp神经网络进行交通预测的Matlab例子及源代码，bp神经网络进行交通预

测的Matlab程序的优化（主要是按设置误差要求，寻找最优网络过程）

第五节内容：bp神经网络处理蠓虫分类问题的matlab例子及源代码。

不多说，先如主题，第一节，很基础，高手见谅。

什么是神经网络？

神经网络是由很多神经元组成的，首先我们看一下，什么是神经元

上面这个图表示的就是一个神经元，我们不管其它书上说的那些什么树突，轴突的。我用个

比较粗浅的解释，可能不太全面科学，但对初学者很容易理解：

1、我们把输入信号看成你在matlab中需要输入的数据，输进去神经网络后

2、这些数据的每一个都会被乘个数，即权值w，然后这些东东与阀值b相加后求和得到u，

3、上面只是线性变化，为了达到能处理非线性的目的，u做了个变换，变换的规则和传输

函数有关

可能还有人问，那么那个阀值是什么呢？简单理解就是让这些数据做了个平移，这就是神经

元工作的过程。处理后的结果又作为输入，可输给别的神经元，很多这样的神经元，就组成

了网络。在matlab中具体用什么算法实现这些，我们先不管，我们需要注意的是怎么使用。

比如使用BP的神经网络newff()构建一个网络，这些在后面的学习将提到。

BP网络的特点

①网络实质上实现了一个从输入到输出的映射功能，而数学理论已证明它具有实现任何复杂

非线性映射的功能。这使得它特别适合于求解内部机制复杂的问题。我们无需建立模型，或

了解其内部过程，只需输入，获得输出。只要BPNN结构优秀，一般20个输入函数以下的

问题都能在50000次的学习以内收敛到最低误差附近。而且理论上，一个三层的神经网络，

能够以任意精度逼近给定的函数，这是非常诱人的期望；

②网络能通过学习带正确答案的实例集自动提取“合理的”求解规则，即具有自学习能力；

③网络具有一定的推广、概括能力。

bp主要应用

回归预测（可以进行拟合，数据处理分析，事物预测，控制等）、分类识别（进行类型划分，

模式识别等），在后面的学习中，我都将给出实例程序。

但无论那种网络，什么方法，解决问题的精确度都无法打到100%的，但并不影响其使用，

因为现实中很多复杂的问题，精确的解释是毫无意义的，有意义的解析必定会损失精度。

BP注意问题

1、BP算法的学习速度很慢，其原因主要有：

a由于BP算法本质上为梯度下降法，而它所要优化的目标函数又非常复杂，因此，必然会

出现“锯齿形现象”，这使得BP算法低效；

b存在麻痹现象，由于优化的目标函数很复杂，它必然会在神经元输出接近0或1的情况

下，出现一些平坦区，在这些区域内，权值误差改变很小，使训练过程几乎停顿；

c为了使网络执行BP算法，不能用传统的一维搜索法求每次迭代的步长，而必须把步长的

更新规则预先赋予网络，这种方法将引起算法低效。

2、网络训练失败的可能性较大，其原因有：

a从数学角度看，BP算法为一种局部搜索的优化方法，但它要解决的问题为求解复杂非线

性函数的全局极值，因此，算法很有可能陷入局部极值，使训练失败；

b网络的逼近、推广能力同学习样本的典型性密切相关，而从问题中选取典型样本实例组

成训练集是一个很困难的问题。

3、网络结构的选择：

尚无一种统一而完整的理论指导，一般只能由经验选定。为此，有人称神经网络的结构选择

为一种艺术。而网络的结构直接影响网络的逼近能力及推广性质。因此，应用中如何选择合

适的网络结构是一个重要的问题。

4、新加入的样本要影响已学习成功的网络，而且刻画每个输入样本的特征的数目也必须相

同。

5、采用s型激活函数，由于输出层各神经元的理想输出值只能接近于1或0，而不能打到

1或0，因此设置各训练