BP神经网络数据集代码

改代码为BP神经网络matlab代码

%% I. 清空环境变量
clear all
clc

%% II. 训练集/测试集产生
%%
% 1. 导入数据
load spectra_data.mat

%%
% 2. 随机产生训练集和测试集
temp = randperm（size（NIR1））;
% 训练集——50个样本
P_train = NIR（temp（1:50）:）‘;
T_train = octane（temp（1:50）:）‘;
% 测试集——10个样本
P_test = NIR（temp（51:end）:）‘;
T_test = octane（temp（51:end）:）‘;
N = size（P_test2）;

%% III. 数据归一化
[p_train ps_input] = mapminmax（P_train01）;
p_test = mapminmax（‘apply‘P_testps_input）;

[t_train ps_output] = mapminmax（T_train01）;

%% IV. BP神经网络创建、训练及仿真测试
%%
% 1. 创建网络
net = newff（p_traint_train9）;

%%
% 2. 设置训练参数
net.trainParam.epochs = 1000;
net.trainParam.goal = 1e-3;
net.trainParam.lr = 0.01;

%%
% 3. 训练网络
net = train（netp_traint_train）;

%%
% 4. 仿真测试
t_sim = sim（netp_test）;

%%
% 5. 数据反归一化
T_sim = mapminmax（‘reverse‘t_simps_output）;

%% V. 性能评价
%%
% 1. 相对误差error
error = abs（T_sim - T_test）./T_test;

%%
% 2. 决定系数R^2
R2 = （N * sum（T_sim .* T_test） - sum（T_sim） * sum（T_test））^2 / （（N * sum（（T_sim）.^2） - （sum（T_sim））^2） * （N * sum（（T_test）.^2） - （sum（T_test））^2））; 

%%
% 3. 结果对比
result = [T_test‘ T_sim‘ error‘]

%% VI. 绘图
figure
plot（1:NT_test‘b:*‘1:NT_sim‘r-o‘）
legend（‘真实值‘‘预测值‘）
xlabel（‘预测样本‘）
ylabel（‘辛烷值‘）
string = {‘测试集辛烷值含量预测结果对比‘;[‘R^2=‘ num2str（R2）]};
title（string）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        1431  2015-08-04 07:59  BP神经网络数据集代码\main.m
     文件      171497  2010-10-14 20:24  BP神经网络数据集代码\spectra_data.mat
     目录           0  2017-07-03 16:38  BP神经网络数据集代码\