BP神经网络代码

BP神经网络源代码，压缩包里面包括训练代码、测试代码、采样数据。

close all 
clear all 
clc 
web -browser http://www.ilovematlab.cn/thread-220251-1-1.html
x=xlsread（‘training_data.xls‘[‘B2:G401‘]）; 
y=xlsread（‘training_data.xls‘[‘I2:K401‘]）; 
inputs = x‘; 
targets = y‘;

% 创建一个模式识别网络（两层BP网络），同时给出中间层神经元的个数，这里使用20
hiddenlayerSize = 20;
net = patternnet（hiddenlayerSize）;

% 对数据进行预处理，这里使用了归一化函数（一般不用修改）
% For a list of all processing functions type: help nnprocess
net.inputs{1}.processFcns = {‘removeconstantrows‘‘mapminmax‘};
net.outputs{2}.processFcns = {‘removeconstantrows‘‘mapminmax‘};


% 把训练数据分成三部分，训练网络、验证网络、测试网络
% For a list of all data division functions type: help nndivide
net.divideFcn = ‘dividerand‘;  % Divide data randomly
net.divideMode = ‘sample‘;  % Divide up every sample
net.divideParam.trainRatio = 70/100;
net.divideParam.valRatio = 15/100;
net.divideParam.testRatio = 15/100;

% 训练函数
% For a list of all training functions type: help nntrain
net.trainFcn = ‘trainlm‘;  % Levenberg-Marquardt

% 使用均方误差来评估网络
% For a list of all performance functions type: help nnperformance
net.performFcn = ‘mse‘;  % Mean squared error

% 画图函数
% For a list of all plot functions type: help nnplot
net.plotFcns = {‘plotperform‘‘plottrainstate‘‘ploterrhist‘ ...
  ‘plotregression‘ ‘plotfit‘};


% 开始训练网络（包含了训练和验证的过程）
[nettr] = train（netinputstargets）;

% 测试网络
outputs = net（inputs）;
errors = gsubtract（targetsoutputs）;
performance = perform（nettargetsoutputs）

% 获得训练、验证和测试的结果
trainTargets = targets .* tr.trainMask{1};
valTargets = targets  .* tr.valMask{1};
testTargets = targets  .* tr.testMask{1};
trainPerformance = perform（nettrainTargetsoutputs）
valPerformance = perform（netvalTargetsoutputs）
testPerformance = perform（nettestTargetsoutputs）

% 可以查看网络的各个参数
view（net）

% 根据画图的结果，决定是否满意
% Uncomment these lines to enable various plots.
figure plotperform（tr）
figure plottrainstate（tr）
figure plotconfusion（targetsoutputs）
figure ploterrhist（errors）


%如果你对该次训练满意，可以保存训练好网络
save（‘training_net.mat‘‘net‘‘tr‘）;

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2013-03-22 20:35  BP\
     文件       30369  2013-03-22 19:14  BP\training_data.xls
     文件        2238  2013-03-22 19:09  BP\Training_NPR.m
     文件         600  2013-03-22 19:10  BP\Use_For_Predict.m