MATLAB程序代码--bp神经网络通用代码

MATLAB 程序代码一-bp 神经网络通用代码matlab 通用神经网络代码学习了一段时间的神经网络,总结了一些经验，在这愿意和大家分享一下,希望对大家有帮助,也希望大家可以把其他神经网络的通用代码在这一起分享感应器神经网络、线性网络、BP 神经网络、径向基函数网络％通用感应器神经网络。P=[—0.5-0.50.3-0.1—40;—0。50.5-0。5150];％输入向量T=[11001];％期望输出plotpv(P，T)；%描绘输入点图像net=newp([—401；—150],1);％生成网络，其中参数分别为输入向量的范围和神经元感应器数量holdonlinehandle=plotpc(net。iw{1},net。b{1});net.adaptparam。passes=3；fora=1:25%训练次数[net，Y,E]=adapt(net,P,T)；linehandle=plotpc(net.iw{1},net.b{1},linehandle)；drawnow;end%通用 newlin 程序%通用线性网络进行预测time=0：0。025:5；T=sin(time＊4＊pi)；Q=length(T);P=zeros(5,Q);%P 中存储信号 T 的前 5(可变，根据需要而定)次值，作为网络输入。P（1,2：Q）=T（1,1：（Q-1））;P（2，3:Q）=T（1,1:（Q-2））;P（3，4：Q）=T（1,1:（Q-3））；P（4,5：Q）=T（1,1:（Q-4））;P（5,6:Q）=T（1,1：（Q-5））;plot（time,T）%绘制信号 T 曲线xlabel（'时间'）；ylabel（'目标信号'）；title（'待预测信号'）；net=newlind（P,T）；%根据输入和期望输出直接生成线性网络a=sim（net，P）；％网络测试figure（2）plot（time，a，time，T,'+'）xlabel（'时间'）ylabel（'输出-目标+'）；title（'输出信号和目标信号'）；e=T—a；figure（3）plot（time，e）holdonplot（[min（time）max（time）],[00],'r:'）%可用 plot（x,zeros（size（x））,'r:'）代替holdoffxlabel（'时间'）;ylabel（'误差'）；%lambda（Hessian 阵不确定性调节参数，缺省为 5。0e—7）title（'误差信号'）;%通用 BP 神经网络P=[-1-122；0505]；t=[—1—111]；net=newff（minmax（P）,[3,1],{'tansig','purelin'},'traingd'）%输入参数依次为:'样本 P 范围'，[各层神经元数目],{各层传递函数},'训练函数’%训练函数 traingd 梯度下降法，有 7 个训练参数。%训练函数 traingdm--有动量的梯度下降法，附加 1 个训练参数 mc（动量因子，缺省为 0。9）%训练函数 traingda 有自适应 lr 的梯度下降法，附加 3 个训练参数:lr_inc（学习率增长比，缺省为1.05；%lr_dec（学习率下降比，缺省为 0。7）；max_perf_inc（表现函数增加最大比，缺省为 1...