如何用MATLAB的神经网络工具箱实现三层BP网络

1、如何用 MATLAB 的神经网络工具箱实现三层 BP 网络？% 读入训练数据和测试数据Input = ;Output = ;str = 'Test','Check'Data = textread(str1,'.txt');% 读训练数据Input = Data(:,1:end-1);% 取数据表的前五列(主从成分)Output = Data(:,end);% 取数据表的最后一列(输出值)Data = textread(str2,'.txt');% 读测试数据CheckIn = Data(:,1:end-1);% 取数据表的前五列(

2、主从成分)CheckOut = Data(:,end);% 取数据表的最后一列(输出值)Input = Input'Output = Output'CheckIn = CheckIn'CheckOut = CheckOut'% 矩阵赚置Input,minp,maxp,Output,mint,maxt = premnmx(Input,Output);% 标准化数据% % 神经网络参数设置%= 可以修正处Para.Goal = 0.0001;% 网络训练目标误差Para.Epochs = 800;% 网络训练代数Para.LearnRate = 0.1;% 网络学习

3、速率%=Para.Show = 5;% 网络训练显示间隔Para.InRange = repmat(-1 1,size(Input,1),1);% 网络的输入变量区间Para.Neurons = size(Input,1)*2+1 1;% 网络后两层神经元配置Para.TransferFcn= 'logsig' 'purelin'% 各层的阈值函数Para.TrainFcn = 'trainlm'% 网络训练函数赋值% traingd : 梯度下降后向传播法% traingda : 自适应学习速率的梯度下降法% traingdm : 带动量的梯度

4、下降法% traingdx :% 带动量，自适应学习速率的梯度下降法Para.LearnFcn = 'learngdm'% 网络学习函数Para.PerformFcn = 'sse'% 网络的误差函数Para.InNum = size(Input,1);% 输入量维数Para.IWNum = Para.InNum*Para.Neurons(1);% 输入权重个数Para.LWNum = prod(Para.Neurons);% 层权重个数Para.BiasNum = sum(Para.Neurons);% 偏置个数% % %Net = newff(Para.In

5、Range,Para.Neurons,Para.TransferFcn,. Para.TrainFcn,Para.LearnFcn,Para.PerformFcn);% 建立网络% % %Net.trainParam.show = Para.Show;% 训练显示间隔赋值Net.trainParam.goal = Para.Goal;% 训练目标误差赋值Net.trainParam.lr = Para.LearnRate;% 网络学习速率赋值Net.trainParam.epochs = Para.Epochs;% 训练代数赋值Net.trainParam.lr = Para.LearnRate;Net.performFcn = Para.PerformFcn;% 误差函数赋值% 调试Out1 =sim(Net,Input);% 仿真刚建立的网络Sse1 =sse(Output-Out1);% 刚建立的