运用Matlab创建BP神经网络(R2010b)..doc

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 ? ? Show Training Window Feedback? ?showWindow: true ? ? Show Command Line Feedback showCommandLine: false ? ? Command Line Frequency? ?? ?? ?? ?show: 两次显示之间的训练次数 ? ? Maximum Epochs? ?? ?? ?? ?? ?? ? epochs: 训练次数 ? ? Maximum Training Time? ?? ?? ?? ???time: 最长训练时间（秒） ? ? Performance Goal? ?? ?? ?? ?? ?? ?? ? goal: 网络性能目标 ? ? Minimum Gradient? ?? ?? ?? ?? ?? ?min_grad: 性能函数最小梯度 ? ? Maximum Validation Checks? ?? ?? ?max_fail: 最大验证失败次数 ? ? Learning Rate? ?? ?? ?? ?? ?? ?? ?? ?? ?lr: 学习速率 ? ? Learning Rate Increase? ?? ?? ?? ???lr_inc: 学习速率增长值 ? ? Learning Rate? ?? ?? ?? ?? ?? ?? ???lr_dec: 学习速率下降值 ? ? Maximum Performance Increase??max_perf_inc: Momentum Constant? ?? ?? ?? ?? ?? ?? ???mc: 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：P? ?Ni-by-TS cell array? ?Each element P{i,j,ts} is an Ni-by-Q matrix. T? ?Nl-by-TS cell array? ?Each element T{i,ts} is a Ui-by-Q matrix. BP网络的常用函数表 函数类型 函数名称 函数用途