matlab中BP神经网络的使用方法和实例
有时候在使用matlab进行数据分析和计算的时候,想使用BP神经网络算法,怎么使用呢,下面来分享一下方法
操作方法
- 01
第一步我们首先需要了解BP神经网络是一种多层前馈网络,可以进行学习和存储输入输出映射关系,不需要去建立数学方程式,是一种常用的神经网络模型,BP神经网络的构建主要分为三步,如下图所示:
- 02
第二步我们可以看一下在matlab中BP神经网络的训练函数,有梯度下降法traingd,弹性梯度下降法trainrp,自适应lr梯度下降法traingda等,如下图所示:
- 03
第三步下面我们通过实例来介绍BP神经网络的使用,在matlab中命令行窗口中定义输入P,输出T,·通过“newff(minmax(P),[5,1],{'tansig','purelin'},'trainrp');”构建BP神经网络,“[net,tr]=train(net,P,T);”进行网络训练,“sim(net,P)”得到仿真预测值,完整代码如下图所示:
- 04
第四步在命令行窗口按回车键之后,可以看到出现结果弹窗,最上面的Neural Network下面依次代表的是“输入、隐含层、输出层、输出”,隐含层中有5个神经元,Progress下面的Epoch代表迭代次数,Gradient代表梯度,Vaildation Checks代表有效性检查,最后的绿色对勾代表性能目标达成,如下图所示:
- 05
第五步我们也可以看一下命令行窗口中的输出结果,X是BP神经网络仿真值,和输出值已经非常逼近了,如下图所示:
- 06
第六步我们将实际曲线和预测曲线绘制出来,可以看到使用BP神经网络预测的结果曲线基本和实际输出曲线一致,如下图所示:
赞 (0)