• 大小: 2KB
    文件类型: .zip
    金币: 1
    下载: 0 次
    发布日期: 2021-05-14
  • 语言: Matlab
  • 标签:

资源简介

基于BP神经网络的MATLAB回归程序,用于神经网络回归。

资源截图

代码片段和文件信息

% BP 神经网络用于函数拟合 
% 使用平台 - Matlab6.5
% 作者:陆振波,海军工程大学
% 欢迎同行来信交流与合作,更多文章与程序下载请访问我的个人主页
% 电子邮件:luzhenbo@yahoo.com.cn
% 个人主页:http://luzhenbo.88uu.com.cn


clc
clear
close all

%---------------------------------------------------
% 产生训练样本与测试样本

n1 = 1:2:200;
x1 = sin(n1*0.1);

n2 = 2:2:200;
x2 = sin(n2*0.1);

xn_train = n1;          % 训练样本,每一列为一个样本
dn_train = x1;          % 训练目标,行向量

xn_test = n2;           % 测试样本,每一列为一个样本
dn_test = x2;           % 测试目标,行向量

%---------------------------------------------------
% 函数接口赋值

NodeNum = 20;           % 隐层节点数 
TypeNum = 1;            % 输出维数
p1 = xn_train;          % 训练输入
t1 = dn_train;          % 训练输出
Epochs = 1000;          % 训练次数

P = xn_test;            % 测试输入 
T = dn_test;            % 测试输出(真实值)

%---------------------------------------------------
% 设置网络参数

%TF1 = ‘tansig‘;TF2 = ‘purelin‘; % 缺省值
%TF1 = ‘tansig‘;TF2 = ‘logsig‘;
TF1 = ‘logsig‘;TF2 = ‘purelin‘;
%TF1 = ‘tansig‘;TF2 = ‘tansig‘;
%TF1 = ‘logsig‘;TF2 = ‘logsig‘;
%TF1 = ‘purelin‘;TF2 = ‘purelin‘;

net = newff(minmax(p1)[NodeNum TypeNum]{TF1 TF2}‘trainlm‘);

% 指定训练参数
%net.trainFcn = ‘trainlm‘;  % 内存使用最多(快)
%net.trainFcn = ‘trainbfg‘;
%net.trainFcn = ‘trainrp‘;  % 内存使用最少(慢)
%net.trainFcn = ‘traingda‘; % 变学习率
%net.trainFcn = ‘traingdx‘;

net.trainParam.epochs = Epochs;     % 最大训练次数
net.trainParam.goal = 1e-8;         % 最小均方误差
net.trainParam.min_grad = 1e-20;    % 最小梯度
net.trainParam.show = 200;          % 训练显示间隔
net.trainParam.time = inf;          % 最大训练时间

%---------------------------------------------------
% 训练与测试

net = train(netp1t1);     % 训练
X = sim(netP);             % 测试 - 输出为预测值

%---------------------------------------------------
% 结果作图

plot(1:length(n2)x2‘r+:‘1:length(n2)X‘bo:‘)
title(‘+为真实值,o为预测值‘)

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        2078  2018-08-28 10:30  NeuralNetwork_BP_Regression.m

评论

共有 条评论

相关资源