BP 神经网络实例

运用Matlab创建BP神经网络（R2010b）BP神经网络属于前向网络以下为创建BP神经网络的方法及参数意义（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)T：目标参数矩阵。(SNxQ2)S：N-1个隐含层的数目（S（i）到S（N-1）），输出层的单元数目取决于T，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ShowTrainingWindowFeedbackshowWindow:trueShowCommandLineFeedbackshowCommandLine:falseCommandLineFrequencyshow:两次显示之间的训练次数MaximumEpochsepochs:训练次数MaximumTrainingTimetime:最长训练时间（秒）PerformanceGoalgoal:网络性能目标MinimumGradientmin_grad:性能函数最小梯度MaximumValidationChecksmax_fail:最大验证失败次数LearningRatelr:学习速率LearningRateIncreaselr_inc:学习速率增长值LearningRatelr_dec:学习速率下降值MaximumPerformanceIncreasemax_perf_inc:MomentumConstantmc:动量因子（4）BP神经网络预测函数SimOut=sim('model',Parameters)&y=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x：输入数据y：网络预测数据(5)训练函数[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网络的常用函数表函数类型函数名称函数用途前向网络创建函数newcf创建级联前向网络Newff创建前向BP网络传递函数logsigS型的对数函数tansigS型的正切函数purelin纯线性函数学习函数learngd基于梯度下降法的学习函数learngdm梯度下降动量学习函数性能函数mse均方误差函数msereg均方误差规范化函数显示函数plotperf绘制网络的性能plotes绘制一个单独神经元的误差曲面plotep绘制权值和阈值在误差曲面上的位置errsurf计算单个神经元的误差曲面范例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;];T=[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,[150020461556]');y1=y*(pmax1-pmin1)+pmin1;如果神经网络的训练函数使用trainlm，则仿真步骤会很少，但需要较大的系统内存。经预测，来年一月的销售量（y1）为1.6845e+003箱（每次运行后的结果可能不同）。