BP神經網絡的設計執行個體(MATLAB程式設計)
例1 采用動量梯度下降算法訓練 BP 網絡。
訓練樣本定義如下：
輸入矢量為
p =[-1 -2 3 1
-1 1 5 -3]
目标矢量為 t = [-1 -1 1 1]
解：本例的 MATLAB 程式如下：
close all
clear
echo on
clc
% NEWFF——生成一個新的前向神經網絡
% TRAIN——對 BP 神經網絡進行訓練
% SIM——對 BP 神經網絡進行仿真
pause
% 敲任意鍵開始
clc
% 定義訓練樣本
% P 為輸入矢量
P=[-1, -2, 3, 1; -1, 1, 5, -3];
% T 為目标矢量
T=[-1, -1, 1, 1];
pause;
clc
% 建立一個新的前向神經網絡
net=newff(minmax(P),[3,1],{'tansig','purelin'},'traingdm')
% 目前輸入層權值和門檻值
inputWeights=net.IW{1,1}
inputbias=net.b{1}
% 目前網絡層權值和門檻值
layerWeights=net.LW{2,1}
layerbias=net.b{2}
pause
clc
% 設定訓練參數
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
% 調用 TRAINGDM 算法訓練 BP 網絡
[net,tr]=train(net,P,T);
pause
clc
% 對 BP 網絡進行仿真
A = sim(net,P)
% 計算仿真誤差
E = T - A
MSE=mse(E)
pause
clc
echo off
采用貝葉斯正則化算法提高 BP 網絡的推廣能力。在本例中，我們采用兩種訓練方法，即 L-M 優化算法(trainlm)和貝葉斯正則化算法(trainbr)，用以訓練 BP 網絡，使其能夠拟合某一附加有白噪聲的正弦樣本資料。其中，樣本資料可以采用如下MATLAB 語句生成：
輸入矢量：P = [-1:0.05:1]；
目标矢量：randn(’seed’,78341223)；
T = sin(2*pi*P)+0.1*randn(size(P))；
解：本例的 MATLAB 程式如下：
close all
clear
echo on
clc
% NEWFF——生成一個新的前向神經網絡
% TRAIN——對 BP 神經網絡進行訓練
% SIM——對 BP 神經網絡進行仿真
pause
% 敲任意鍵開始
clc
% 定義訓練樣本矢量
% P 為輸入矢量
P = [-1:0.05:1];
% T 為目标矢量
randn('seed',78341223); T = sin(2*pi*P)+0.1*randn(size(P));
% 繪制樣本資料點
plot(P,T,'+');
echo off
hold on;
plot(P,sin(2*pi*P),':');
% 繪制不含噪聲的正弦曲線
echo on
clc
pause
clc
% 建立一個新的前向神經網絡
net=newff(minmax(P),[20,1],{'tansig','purelin'});
pause
clc
echo off
clc
disp('1. L-M 優化算法 TRAINLM'); disp('2. 貝葉斯正則化算法 TRAINBR');
choice=input('請選擇訓練算法(1,2):');
figure(gcf);
if(choice==1)
echo on
clc
% 采用 L-M 優化算法 TRAINLM
net.trainFcn='trainlm';
pause
clc
% 設定訓練參數
net.trainParam.epochs = 500;
net.trainParam.goal = 1e-6;
net=init(net);
% 重新初始化
pause
clc
elseif(choice==2)
echo on
clc
% 采用貝葉斯正則化算法 TRAINBR
net.trainFcn='trainbr';
pause
clc
% 設定訓練參數
net.trainParam.epochs = 500;
randn('seed',192736547);
net = init(net);
% 重新初始化
pause
clc
end
% 調用相應算法訓練 BP 網絡
[net,tr]=train(net,P,T);
pause
clc
% 對 BP 網絡進行仿真
A = sim(net,P);
% 計算仿真誤差
E = T - A;
MSE=mse(E)
pause
clc
% 繪制比對結果曲線
close all;
plot(P,A,P,T,'+',P,sin(2*pi*P),':');
pause;
clc
echo off