运用Matlab创建BP神经网络(R2021b)

运用Matlab创建BP神经网络（R2021b）口运用Matlab创建BP神经网络（R2021b）□BP神经网络属于前向网络口以下为创建BP神经网络的方法及参数意义口（1）net:newff（P,T,S）或者net=newff（P,T,S,TF,BTF,BLF,PF,IPF,OPF,DDF）P输入参数矩阵。（RxQ1）「目标参数矩阵。（SNxQ2）口S：N-1个隐含层的数目（5立）到S（N-1）），输出层的单元数目取决于「默认为空矩阵。TF：相关层的传递函数，默认隐含层为tansig函数，输出层为purelin函数。BTF：BP神经网络学习训练函数，默认值为trainlm函数。BLF：权重学习函数，默认值为learngdm。PF：性能函数，默认值为mse。IPF，OPF，DDF均为默认值即可。（2）传递函数purelin线性传递函数tansig正切S型传递函数logsig对数S型传递函数隐含层和输出层函数的选择对BP神经网络预测精度有较大影响，一般隐含层节点转移函数选用tansig函数或logsig函数，输出层节点转移函数选用tansig函数或purelin函数。（3）学习训练函数口神经网络的学习分为有导师学习和无导师学习。最速下降BP算法：traingd动量BP算法：traingdm口学习率可变的BP算法：trainda（学习率可变的最速下降BP算法）；traindx（学习率可变的动量BP算法）□弹性算法：trainrp口变梯度算法：traincgf（Fletcher-Reeves修正算法） traincgp（Polak_Ribiere修正算法） traincgb（Powell-Beale复位算法）trainbfg（BFGS拟牛顿算法）trainoss（OSS算法）trainlm（LM算法）□参数说明：通过net.trainParam可以查看参数口ShowTrainingWindowFeedbackshowWindow:trueShowCommandLineFeedbackshowCommandLine:falseCommandLineFrequency show:两次显示之间的训练次数MaximumEpochs epochs:训练次数MaximumTrainingTimePerformanceGoaltime:MaximumTrainingTimePerformanceGoalgoal:网络性能目标MinimumGradientmin_grad:性能函数最小梯度MaximumValidationChecks max_fail:最大验证失败次数LearningRate lr:学习速率LearningRateIncrease lr_inc:学习速率增长值LearningRatelr_dec:学习速率下降值MaximumPerformanceIncreasemax_perf_inc:MomentumConstant mc:动量因子(4)BP神经网络预测函数口SimOut=sim('model',Parameters)&y二sim(net,x)函数功能：用训练好的BP神经网络预测函数输出net：训练好的网络乂：输入数据y：网络预测数据(5)训练函数口[net,tr]=train(Net,P,T,Pi,Ai)其中，Net待训练的网络P输入数据矩阵T输出数据矩阵(default=zeros)Pi初始化输入层条件(default=zeros)Ai初始化输出层条件(default=zeros)net训练好的网络tr训练过程记录注意：PNi-by-TScellarrayEachelementP{i,j,ts}isanNi-by-Qmatrix.TNl-by-TScellarrayEachelementT{i,ts}isaUi-by-Qmatrix.BP网络的常用函数表口函数类型前向网络创建函数Newfflogsig传递函数tansigpurelinlearngd学习函数learngdm性能函数mse梯度下降动量学习函数均方误差函数创建前向BP网络S型的对数函数S型的正切函数纯线性函数基于梯度下降法的学习函数函数名称newcf函数用途创建级联前向网络mseregplotperfplotes显示函数ploteperrsurf范例(网上搜寻的，谢谢原作者)均方误差规范化函数绘制网络的性能绘制一个单独神经元的误差曲面绘制权值和阈值在误差曲面上的位置计算单个神经元的误差曲面现给出一药品商店一年当中12个月的药品销售量(单位：箱)如下：205623952600229816341600187314871900150020461556训练一个BP网络，用当前的所有数据预测下一个月的药品销售量。□我们用前三个月的销售量预测下一个月的销售量，也就是用1-3月的销售量预测第4个月的销售量，用2-4个月的销售量预测第5个月的销售量，如此循环下去，直到用9-11月预测12月份的销售量。这样训练BP神经网络后，就可以用10-12月的数据预测来年一月的销售量。实现程序如下：P=[205623952600;239526002298;260022981634;229816341600;...163416001873;160018731478;187314781900;147819001500;... 190015002046;];[229816341600187314871900150020461556];pmax=max(P);pmax1=max(pmax);pmin=min(P);pmin1=min(pmin);fori=1:9P1(i,:)=(P(i,:)-pmin1)/(pmax1-pmin1); T1(i)=(T(i)-pmin1)/(pmax1-pmin1);endnet=newff(P1',T1,[37],{'tansig''logsig'},'traingd');fori=1:9net.trainParam.epochs=15000;net.trainParam.goal=0.01;net.trainParam.lr=0.1net=train(net,P1(i,:)',T1(i));endy=sim(net,[1