基于 基于遗传算法的BP神经网络优化算法

基于遗传算法的BP神经网络优化算法,MATLAB智能算法30个案例分析的例程，正确完整

function err=Bpfun（xPThiddennumP_testT_test）
%% 训练&测试BP网络
%% 输入
% x：一个个体的初始权值和阈值
% P：训练样本输入
% T：训练样本输出
% hiddennum：隐含层神经元数
% P_test:测试样本输入
% T_test:测试样本期望输出
%% 输出
% err：预测样本的预测误差的范数

inputnum=size（P1）;       % 输入层神经元个数
outputnum=size（T1）;      % 输出层神经元个数
%% 新建BP网络
net=newff（minmax（P）[hiddennumoutputnum]{‘tansig‘‘logsig‘}‘trainlm‘）;
%% 设置网络参数：训练次数为1000，训练目标为0.01，学习速率为0.1
net.trainParam.epochs=1000;
net.trainParam.goal=0.01;
LP.lr=0.1;
net.trainParam.show=NaN;
% net.trainParam.showwindow=false;  %高版MATLAB
%% BP神经网络初始权值和阈值
w1num=inputnum*hiddennum; % 输入层到隐层的权值个数
w2num=outputnum*hiddennum;% 隐层到输出层的权值个数
w1=x（1:w1num）;   %初始输入层到隐层的权值
B1=x（w1num+1:w1num+hiddennum）;  %初始隐层阈值
w2=x（w1num+hiddennum+1:w1num+hiddennum+w2num）; %初始隐层到输出层的阈值
B2=x（w1num+hiddennum+w2num+1:w1num+hiddennum+w2num+outputnum）; %输出层阈值
net.iw{11}=reshape（w1hiddennuminputnum）;
net.lw{21}=reshape（w2outputnumhiddennum）;
net.b{1}=reshape（B1hiddennum1）;
net.b{2}=reshape（B2outputnum1）;
%% 训练网络以
net=train（netPT）;
%% 测试网络
Y=sim（netP_test）;
err=norm（Y-T_test）;

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

     文件       1282  2010-11-14 00:48  chapter3 基于遗传算法的BP神经网络优化算法\BPfun.m

     文件       1864  2011-03-31 19:30  chapter3 基于遗传算法的BP神经网络优化算法\callbackfun.m

     目录          0  2018-01-19 12:20  chapter3 基于遗传算法的BP神经网络优化算法

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

                 3146                    3