BP 神经网络程序BP 神经网络程序

BP 神经网络程序BP 神经网络程序BP 神经网络程序BP 神经网络程序BP 神经网络程序BP 神经网络程序BP 神经网络程序BP 神经网络程序BP 神经网络程序BP 神经网络程序BP 神经网络程序BP 神经网络程序BP 神经网络程序

%严格按照BP网络计算公式来设计的一个matlab程序，对BP网络进行了设计
%yyy，即在o（k）计算公式时，当网络进入平坦区时（<0.0001）学习率加大，出来后学习率又还原
%v（ij）=v（ij）+deltv（ij）+a*dv（ij）；动量项
clear all
inputnums=1;%输入层节点
outputnums=1;%输出层节点
hidenums=7;%隐层节点
maxcount=50000;%最大迭代次数
samplenum=19;%一个计数器，无意义
precision=0.00001;%预设精度
yyy=1.3;%yyy是帮助网络加速走出平坦区
alpha=0.02;%学习率设定值
a=0.9;%BP优化算法的一个设定值，对上组训练的调整值按比例修改
error=zeros（1maxcount+1）;%error数组初始化；目的是预分配内存空间
errorp=zeros（1samplenum）;%同上
v=rand（inputnumshidenums）;%1*10；v初始化为一个1*10的随机归一矩阵；v表输入层到隐层的权值
deltv=zeros（inputnumshidenums）;%1*10；内存空间预分配
dv=zeros（inputnumshidenums）;%1*10;

w=rand（hidenumsoutputnums）;%10*1
deltw=zeros（hidenumsoutputnums）;%10*1
dw=zeros（hidenumsoutputnums）;%10*1

samplelist=1:0.5:10;%样本输入值
expectlist=samplelist.^（-1）;%期望输出值
%expectlist=exp（-samplelist）;
[samplelistminpmaxp]=premnmx（samplelist）;
%[expectlistmintmaxt]=premnmx（expectlist）;
count=1;
while（count<=maxcount）%结束条件1迭代20000次
    c=1;
    while（c<=samplenum）
        for k=1:outputnums
            d（k）=expectlist（c）;%获得期望输出的向量
        end
        for i=1:inputnums
            x（i）=samplelist（c）;%获得输入的向量数据
        end
        
        %forward（）;
        for j=1:hidenums
            net=0.0;
            for i=1:inputnums
                net=net+x（i）*v（ij）;%输入层到隐层的加权和
            end
        y（j）=1/（1+exp（-net））;%输出层处理f（x）=1/（1+exp（-x）），单极性sigmiod函数
               %y（j）=1/net;%输出层处理f（x）=1/（1+exp（-x）），单极性sigmiod函数
        end
        for k=1:outputnums
            net=0.0;
            for j=1:hidenums
                net=net+y（j）*w（jk）;
            end
            if count>=2&&error（count）-error（count-1）<=0.0001
               o（k）=1/（1+exp（-net）/yyy）;%平坦区加大学习率
                 %o（k）=1/（net/yyy）;%平坦区加大学习率
           else o（k）=1/（1+exp（-net））;%同上
                %else o（k）=1/net;%同上
            end
        end
        
        %BpError（c）反馈/修改
        errortmp=0.0;
        for k=1:outputnums
            errortmp=errortmp+（d（k）-o（k））^2;%第一组训练后的误差计算
        end
        errorp（c）=0.5*errortmp;%误差E=∑（d（k）-o（k））^2 * 1/2 
    %end
    %backward（）;
    for k=1:outputnums
        yitao（k）=（d（k）-o（k））*o（k）*（1-o（k））;%输出层误差偏导
    end
    for j=1:hidenums
        tem=0.0;
        for k=1:outputnums
            tem=tem+yitao（k）*w（jk）;%为了求隐层偏导，而计算的求和
        end
        yitay（j）=tem*y（j）*（1-y（j））;%隐层偏导
    end
    
    %调整各层权值
    for j=1:hidenums
        for k=1:outputnums
            deltw（jk）=alpha*yitao（k）*y（j）;%权值w的调整量deltw（已乘学习率）
            w（jk）=w（jk）+deltw（jk）+a*dw（jk）;%权值调整，这里的dw=deltw（t-1），实际是对BP算法的一个改进措施--增加动量项目的是提高训练速度
            dw（jk）=deltw（jk）;
        end
    end
    for i=1:inputnums
        for j=1:hidenums
            deltv（ij）=alpha*yitay（j）*x（i）;%同上deltw
            v（ij）=v（ij）+deltv（ij）+a*dv（ij）;
            dv（ij）=deltv（ij）;
        end
    end
    c=c+1;
    end%第二个while结束；表示一次BP训练结束
    double tmp;
    tmp=0.0;
    for i=1:samplenum
        tmp=tmp+error

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

     文件     751104  2008-01-05 16:01  神经网络程序1\M.doc

     文件       4419  2008-01-04 16:57  神经网络程序1\xfenzhiyibp.m

     文件        225  2007-12-20 09:31  神经网络程序1\人工神经网络要求.txt

     目录          0  2009-10-01 14:23  神经网络程序1

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

               755748                    4