非线性系统分类

本文件是基于MATLAB的BP神经网络非线性系统的建模和非线性函数拟合，是非常适用的，可直接进行运行和查看，建议大家大家可以多多学习，多练习。熟能生巧

%% 该代码为基于双隐含层BP神经网络的预测
%
% 
% 			该案例作者申明：		1：本人长期驻扎在此板块里，对该案例提问，做到有问必答。本套书籍官方网站为：video.ourmatlab.com		2：点此从当当预定本书：《Matlab神经网络30个案例分析》。	3：此案例有配套的教学视频，视频下载方式video.ourmatlab.com/vbuy.html。 
								4：此案例为原创案例，转载请注明出处（《Matlab神经网络30个案例分析》）。							5：若此案例碰巧与您的研究有关联，我们欢迎您提意见，要求等，我们考虑后可以加在案例里。			
% 
%% 清空环境变量
clc
clear

%% 训练数据预测数据提取及归一化
%下载输入输出数据
load data input output

%从1到2000间随机排序
k=rand（12000）;
[mn]=sort（k）;

%找出训练数据和预测数据
input_train=input（n（1:1900）:）‘;
output_train=output（n（1:1900））;
input_test=input（n（1901:2000）:）‘;
output_test=output（n（1901:2000））;

%选连样本输入输出数据归一化
[inputninputps]=mapminmax（input_train）;
[outputnoutputps]=mapminmax（output_train）;

%% BP网络训练
% %初始化网络结构
net=newff（inputnoutputn[5 5]）;

net.trainParam.epochs=100;
net.trainParam.lr=0.1;
net.trainParam.goal=0.00004;

%网络训练
net=train（netinputnoutputn）;

%% BP网络预测
%预测数据归一化
inputn_test=mapminmax（‘apply‘input_testinputps）;
 
%网络预测输出
an=sim（netinputn_test）;
 
%网络输出反归一化
BPoutput=mapminmax（‘reverse‘anoutputps）;

%% 结果分析

figure（1）
plot（BPoutput‘:og‘）
hold on
plot（output_test‘-*‘）;
legend（‘预测输出‘‘期望输出‘）
title（‘BP网络预测输出‘‘fontsize‘12）
ylabel（‘函数输出‘‘fontsize‘12）
xlabel（‘样本‘‘fontsize‘12）
%预测误差
error=BPoutput-output_test;


figure（2）
plot（error‘-*‘）
title（‘BP网络预测误差‘‘fontsize‘12）
ylabel（‘误差‘‘fontsize‘12）
xlabel（‘样本‘‘fontsize‘12）

figure（3）
plot（（output_test-BPoutput）./BPoutput‘-*‘）;
title（‘神经网络预测误差百分比‘）

errorsum=sum（abs（error））;
web browser www.matlabsky.com
%%
% 
% 	
Matlab神经网络30个案例分析
相关论坛：
《Matlab神经网络30个案例分析》官方网站：video.ourmatlab.com
Matlab技术论坛：www.matlabsky.com
Matlab函数百科：www.mfun.la
Matlab中文论坛：www.ilovematlab.com

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-07-28 17:00  chapter2\
     目录           0  2018-09-08 22:19  chapter2\chapter2\
     文件        3411  2013-08-21 07:32  chapter2\chapter2\BP_Hidden.m
     文件        4946  2018-09-08 22:17  chapter2\chapter2\data_xu.mat
     文件        1271  2018-09-08 22:19  chapter2\chapter2\nihe.m