BP神经网络用于函数拟合与模式识别的Matlab示例程序.docVIP

% BP 神经网络用于模式分类% 使用平台 - Matlab6.5% 作者：陆振波，海军工程大学% 欢迎同行来信交流与合作，更多文章与程序下载请访问我的个人主页% 电子邮件：luzhenbo@% 个人主页： clcclearclose all %---------------------------------------------------% 产生训练样本与测试样本，每一列为一个样本 P1 = [rand(3,5),rand(3,5)+1,rand(3,5)+2];T1 = [repmat([1;0;0],1,5),repmat([0;1;0],1,5),repmat([0;0;1],1,5)]; P2 = [rand(3,5),rand(3,5)+1,rand(3,5)+2];T2 = [repmat([1;0;0],1,5),repmat([0;1;0],1,5),repmat([0;0;1],1,5)]; %---------------------------------------------------% 归一化 [PN1,minp,maxp] = premnmx(P1);PN2 = tramnmx(P2,minp,maxp); %---------------------------------------------------% 设置网络参数 NodeNum = 10; % 隐层节点数 TypeNum = 3; % 输出维数 TF1 = tansig;TF2 = purelin; % 判别函数(缺省值)%TF1 = tansig;TF2 = logsig;%TF1 = logsig;TF2 = purelin;%TF1 = tansig;TF2 = tansig;%TF1 = logsig;TF2 = logsig;%TF1 = purelin;TF2 = purelin; net = newff(minmax(PN1),[NodeNum TypeNum],{TF1 TF2}); %---------------------------------------------------% 指定训练参数 % net.trainFcn = traingd; % 梯度下降算法% net.trainFcn = traingdm; % 动量梯度下降算法% % net.trainFcn = traingda; % 变学习率梯度下降算法% net.trainFcn = traingdx; % 变学习率动量梯度下降算法 %% (大型网络的首选算法 - 模式识别)% net.trainFcn = trainrp; % RPROP(弹性BP)算法,内存需求最小 % % 共轭梯度算法 % net.trainFcn = traincgf; % Fletcher-Reeves修正算法% net.trainFcn = traincgp; % Polak-Ribiere修正算法,内存需求比Fletcher-Reeves修正算法略大% net.trainFcn = traincgb; % Powell-Beal复位算法,内存需求比Polak-Ribiere修正算法略大% (大型网络的首选算法 - 函数拟合,模式识别)% net.trainFcn = trainscg; % Scaled Conjugate Gradient算法,内存需求与Fletcher-Reeves修正算法相同,计算量比上面三种算法都小很多 % % net.trainFcn = trainbfg; % Quasi-Newton Algorithms - BFGS Algorithm,计算量和内存需求均比共轭梯度算法大,但收敛比较快% net.trainFcn = trainoss; % One Step Secant Algorithm,计算量和内存需求均比BFGS算法小,比共轭梯度算法略大% % (中小型网络的首选算法 - 函数拟合,模式识别)net.trainFcn = trainlm; % Levenberg-Marquardt算法,内存需求最大,收敛速度最快%% net.trainFcn = trainbr; % 贝叶斯正则化算法%% 有代表性的五种算法为:traingdx,trainrp,trainscg,trainoss, trainlm %---------------------% net.trainParam.show = 1; % 训练显示间隔net.trainParam.lr = 0.3; % 学习步长 - traingd,traingdmnet.trai