开始学习神经网络模型,重点学习当中的BP模型,这也可以说是应用得最广的一个模型,但是我现在还在初学之中,刚接触它不足两三天,前几天看了一些理论,发现难度虽然不是很大,但是还是有点摸不着头脑.想通过一个具体的例子来帮助理解.MATLAB一个最大的好处就是把很多中间过程都省略了,我们只需要一个结果就可以了.但是如果要真正用好他还是需要知道里面的原理的.
以下的代码和注释是摘自 内蒙古科技与经济中发表的一篇论文基于MATLAB的BP神经网络设计与训练
>> k=2; %余弦函数的参数
>> p=[-1:0.05:1]; %输入向量p
>> t=cos(k*pi*p); %期望输出向量T,T与P合称输入样本
>> n=10; %隐含层神经元个数
>> net=newff(minmax(p),[n 1],{'tansig','purelin'},'trainlm'); %建立网络,采用默认初始化参数对网络进行初始化
>> y1=sim(net,p); %未经训练时的仿真结果
>> net.trainParam.epochs=50; %训练函数的参数设置
>> net.trainParam.goal=0.01; %训练函数的参数设置
>> net=train(net,p,t); %网络的训练函数
TRAINLM, Epoch 0/50, MSE 11.9127/0.01, Gradient 295.605/1e-010
TRAINLM, Epoch 3/50, MSE 0.00453053/0.01, Gradient 4.46352/1e-010
TRAINLM, Performance goal met.
>> y2=sim(net,p); %经过训练后的仿真结果
>> figure; %绘图
>> plot(p,t,'-',p,y1,'--',p,y2,'--'); %绘制被逼近的函数,未经训练的仿真结果,经过训练的仿真结果
>> title('训练后网络的输出结果');
>> xlabel('时间');
>> ylabel('仿真输出');