BP神经网络matlab源程序代码

BP神经网络matlab源程序代码）%******************************%学习程序%******************************%%======原始数据输入========p=[284528334488;283344884554;448845542928;455429283497;292834972261;...349722616921;226169211391;692113913580;139135804451;358044512636;...445126363471;263634713854;347138543556;385435562659;355626594335;...265943352882;433528824084;433528821999;288219992889;199928892175;...288921752510;217525103409;251034093729;340937293489;372934893172;...348931724568;317245684015;]';%===========期望输出=======t=[4554292834972261692113913580445126363471385435562659...4335288240841999288921752510340937293489317245684015...3666];ptest=[284528334488;283344884554;448845542928;455429283497;292834972261;...349722616921;226169211391;692113913580;139135804451;358044512636;...445126363471;263634713854;347138543556;385435562659;355626594335;...265943352882;433528824084;433528821999;288219992889;199928892175;...288921752510;217525103409;251034093729;340937293489;372934893172;...348931724568;317245684015;456840153666]';[pn,minp,maxp,tn,mint,maxt]=premnmx(p,t);%将数据归一化NodeNum1=20;%隐层第一层节点数NodeNum2=40;%隐层第二层节点数TypeNum=1;%输出维数TF1='tansig';TF2='tansig';TF3='tansig';net=newff(minmax(pn),[NodeNum1,NodeNum2,TypeNum],{TF1TF2TF3},'traingdx');%网络创建traingdmnet.trainParam.show=50;net.trainParam.epochs=50000;%训练次数设置net.trainParam.goal=1e-5;%训练所要达到的精度net.trainParam.lr=0.01;%学习速率net=train(net,pn,tn);p2n=tramnmx(ptest,minp,maxp);%测试数据的归一化an=sim(net,p2n);[a]=postmnmx(an,mint,maxt)%数据的反归一化，即最终想得到的预测结果plot(1:length(t),t,'o',1:length(t)+1,a,'+');title('o表示预测值---*表示实际值')gridonm=length(a);%向量a的长度t1=[t,a(m)];error=t1-a;%误差向量figureplot(1:length(error),error,'-.')title('误差变化图')gridon中国振动联盟'sArchiver论坛›Matlab讨论区›BP神经网络输入向量和目标向量的格式问题wxywan368发表于2008-3-1511:46BP神经网络输入向量和目标向量的格式问题P=[-1,

-2,

3,

1;

-1,

1,

5,

-3];

%T为目标矢量

T=[-1,-1,1,1];

pause;

clc

%

创建一个新的前向神经网络

net=newff(minmax(P),[3,1],{'tansig','purelin'},'traingdm')

%

当前输入层权值和阈值

inputWeights=net.IW{1,1}

inputbias=net.b{1}

%

当前网络层权值和阈值

layerWeights=net.LW{2,1}

layerbias=net.b{2}

pause

clc

%

设置训练参数

net.trainParam.show=50;

net.trainParam.lr=0.05;

net.trainParam.mc=0.9;

net.trainParam.epochs=1000;

net.trainParam.goal=1e-3;

pause

clc

%

调用TRAINGDM算法训练BP网络

[net,tr]=train(net,P,T);

pause

clc

%

对BP网络进行仿真

A=sim(net,P)

%

计算仿真误差

E=T-A

MSE=mse(E)

pause

clc

echooff

上面这个程序运行没有问题，但是下面我把

按行向量写入输入向量P=[0.3459,0.3548,0.475,0.6691,0.6903;0.3595,0.3705,0.4932,0.6848,0.7302;0.3574,0.3688,0.4914

0.6809,0.7258;0.3592,0.3695,0.493,0.6846,0.7298;0.3198,0.3492,0.4554,0.65250.6486;0.345,0.3542,0.4731,0.6687,0.6899;0.3481,0.3579,0.4776,0.6742,0.6957;0.3626,0.4094,0.52150.7033,0.7915;0.3646,0.4114,0.5235,0.7079,0.7975;0.344,0.3525,0.4728,0.6646,0.6854]

目标向量Q=[206,34.5,7850,2600;226,38.5,7850,2600;206,34.5,7650,2500;226,34.5,7650,2500;186,30.5,

7850,2600;206,34.5,7450,2200;206,40.5,7450,2200;266,34.5,7850,2600;266,38.5,7850,2600;206,30.5,7450,2400]

输入向量为10x5矩阵，输出向量为10x4矩阵

当程序运行时，提示Matricesallhave1rows，请教下怎么实现上面输入与输出的bp实现。

望各位可以不吝赐教，先谢谢！F117_ren_0发表于2008-3-1618:32%

创建一个新的前向神经网络

net=newff(minmax(P),[3,1],{'tansig','purelin'},'traingdm')

%

当前输入层权值和阈值

inputWeights=net.IW{1,1}

inputbias=net.b{1}

你写的(3,1)你还指望能输出10*4的矩阵?

你写的代码有问题,输入和输出有问题.

[[i]本帖最后由F117_ren_0于2008-3-1618:35编辑[/i]]wxywan368发表于2008-3-1619:57问题找出来了，net=newff(minmax(P),[3,1],{'tansig','purelin'},'traingdm')

newff()为建立BP神经网络的函数，minmax(pn)表示样本数据经预处理后的网络输入pn的取值范围，[3，1]表示隐层节点数是3，输出层节点数是1，{'tansig','purelin'}表示隐含层中的神经元采用tansig转换函数，输出层采用purelin函数，'traingdm'表示选择的学习算法。

我的矩阵输出矩阵是10*4，输出层节点数应该为4，隐含层节点数可参考下式：m=(p+q)0.5+a,其中m为隐层节点数。隐层节点应该为1-10之间的常数，我更改为10.

还有楼上仁兄提出的输入和输出问题，后来经多方面查证，是我的矩阵没有做归一化处理，误差得不到收敛。最后对其进行归一化处理后，并把输出矩阵改成10*5，