bp神经网络算法的一个matlab实现

该资源是bp神经网络的一个matlab实现，该代码，经过测试可以跑通

%BP算法，采用交叉验证
clc;
clear;
flag=0;
[NUM]=xlsread（‘样本数据.xls‘‘B2:I147‘）;
[hw]=size（NUM）;
group=zeros（h1）;
train=zeros（h5）;
train_exresult=zeros（h1）;
test=zeros（h1）;
test_result=zeros（h1）;
for i=1:100   %训练集
    train（i1）=NUM（i3）;   %身高
    train（i2）=NUM（i4）;   %体重
    train（i3）=NUM（i6）;   %喜欢数学
    train（i4）=NUM（i7）;   %喜欢文学
    train（i5）=NUM（i8）;   %喜欢运动
    train_exresult（i1）=NUM（i1）;   %性别
end 
for i=101:h  %测试集
    test（i-1001）=NUM（i3）;   %身高
    test（i-1002）=NUM（i4）;   %体重
    test（i-1003）=NUM（i6）;   %喜欢数学
    test（i-1004）=NUM（i7）;   %喜欢文学
    test（i-1005）=NUM（i8）;   %喜欢运动
    test_result（i-1001）=NUM（i1）;   %性别
end

%对身高和体重进行数值归一化
max_h=train（11）;min_h=train（11）;
max_w=train（12）;min_w=train（12）;
for i=2:h
    if train（i1）>max_h
        max_h=train（i1）;
    end
    if train（i1）        min_h=train（i1）;
    end
    if train（i2）>max_w
        max_w=train（i2）;
    end
    if train（i2）        min_w=train（i2）;
    end
end
for i=1:h
    train（i1）=（train（i1）-min_h）/（max_h-min_h）;
    train（i2）=（train（i2）-min_w）/（max_w-min_w）;
end

%q = randi（h）;   %随机选择数据

%随机产生输入层至隐层的权值范围（-0.3，0.3）
w11=rand（1）*0.6-0.3;w12=rand（1）*0.6-0.3;w13=rand（1）*0.6-0.3;w14=rand（1）*0.6-0.3;w15=rand（1）*0.6-0.3;
w21=rand（1）*0.6-0.3;w22=rand（1）*0.6-0.3;w23=rand（1）*0.6-0.3;w24=rand（1）*0.6-0.3;w25=rand（1）*0.6-0.3;
w31=rand（1）*0.6-0.3;w32=rand（1）*0.6-0.3;w33=rand（1）*0.6-0.3;w34=rand（1）*0.6-0.3;w35=rand（1）*0.6-0.3;
w41=rand（1）*0.6-0.3;w42=rand（1）*0.6-0.3;w43=rand（1）*0.6-0.3;w44=rand（1）*0.6-0.3;w45=rand（1）*0.6-0.3;
w51=rand（1）*0.6-0.3;w52=rand（1）*0.6-0.3;w53=rand（1）*0.6-0.3;w54=rand（1）*0.6-0.3;w55=rand（1）*0.6-0.3;
%随机产生隐层至输出层的权值，范围（-0.3，0.3）
v1=rand（1）*0.6-0.3;v2=rand（1）*0.6-0.3;v3=rand（1）*0.6-0.3;v4=rand（1）*0.6-0.3;v5=rand（1）*0.6-0.3;

for i=1:100 %训练100次
% while （flag==0）
%     count=1;
    for q = 1:100    %进行训练，前100为训练样本

%当前神经网络的实际输出
y1=1/（1+exp（-（w11*train（q1）+w21*train（q2）+w31*train（q3）+w41*train（q4）+w51*train（q5））））;
y2=1/（1+exp（-（w12*train（q1）+w22*train（q2）+w32*train（q3）+w42*train（q4）+w52*train（q5））））;
y3=1/（1+exp（-（w13*train（q1）+w23*train（q2）+w33*train（q3）+w43*train（q4）+w53*train（q5））））;
y4=1/（1+exp（-（w14*train（q1）+w24*train（q2）+w34*train（q3）+w44*train（q4）+w54*train（q5））））;
y5=1/（1+exp（-（w15*train（q1）+w25*train（q2）+w35*train（q3）+w45*train（q4）+w55*train（q5））））;
y=1/（1+exp（-（v1*y1+v2*y2+v3*y3+v4*y4+v5*y5）））;

% ex（q1）=y-exresult（q1）;
% if （ex（q1）<1） & （ex（q1）>-1）
%     count=count+1; 
% end
%权值修正，步长取1
v1_1=v1+y*（1-y）*（train_exresult（q1）-y）*y1;
v2_1=v2+y*（1-y）*（train_exresult（q1）-y）*y2;
v3_1=v3+y*（1-y）*（train_exresult（q1）-y）*y3;
v4_1=v4+y*（1-y）*（train_exresult（q1）-y）*y4;
v5_1=v5+y*（1-y）*（train_exresult（q1）-y）*y5;
w11_1=w11+y1*（1-y1）*y*（1-y）*（train_exresult（q1）-y）*train（q1）;w12_1=w12+y2*（1-y2）*y*（1-y）*（train_exresult（q1）-y）*train（q1）;
w13_1=w13+y3*（1-y3）*y*（1-y）*（train_exresult（q1）-y）*train（q1）;w14_1=

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       6901  2016-10-19 21:44  bp神经网络matlab实现\BPalgorithm.m

     文件       2033  2016-10-19 21:46  bp神经网络matlab实现\SVM.m

     文件       1795  2016-10-19 21:48  bp神经网络matlab实现\Tree.m

    ..A.SH.       162  2016-10-19 12:58  bp神经网络matlab实现\~$识别第二次作业-打印.doc

     文件      39936  2016-09-21 09:30  bp神经网络matlab实现\样本数据.xls

     目录          0  2016-10-20 09:44  bp神经网络matlab实现

----------- ---------  ---------- -----  ----

                50827                    6