BP神经网络算法matlab实现

%BP网络的第一阶段学习期（训练加权系数wki，wij)

%初始化

lr=0.05;err_goal=0.001; %lr为学习速率；err_goal为期望误差最小值

max_epoch=10000;a=0.9; %max_epoch为训练的最大次数；a为惯性系数

Oi=0;Ok=0; %置隐含层和输出层各神经元输出初值为0

%提供两组训练集和目标值（3输入，2输出）

X=[1 1;-1 -1;1 1];T=[1 1;1 1];

%初始化wki，wij（M为输入节点j的数量；q为隐含层节点i的数量；L为输出节点k的数量）

[M,N]=size(X);q=8;[L,N]=size(T); %N为训练集对数量

wij=rand(q,M);wki=rand(L,q);

wij0=zeros(size(wij));wki0=zeros(size(wki));

for epoch=1:max_epoch

%计算隐含层各神经元的输出

NETi=wij*X;

for j=1:N

for i=1:q

Oi(i,j)=2/(1+exp(-NETi(i,j)))-1;

end

end

%计算输出层各神经元输出

NETk=wki*Oi;

for i=1:N

for k=1:L

Ok(k,i)=2/(1+exp(-NETk(k,i)))-1;

end

end

%计算误差函数

E=((T-Ok)'*(T-Ok))/2;

if(E%调整输出层加权系数

deltak=Ok.*(1-Ok).*(T-Ok);

w=wki;

wki=wki+lr*deltak*Oi'+a*(wki-wki0);

wki0=w;

%调整隐含层加权系数

deltai=Oi.*(1-Oi).*(deltak'*wki)';

w=wij;

wij=wij+lr*deltai*X'+a*(wij-wij0);

wij0=w;

end

epoch %显示计算次数

%BP网络的第二阶段工作期（根据训练好的wki，wij和给定的输入计算输出）

X1=X; %给定输入

%计算隐含层各神经元输出

NETi=wij*X1;

for j=1:N

for i=1:q

Oi(i,j)=2/(1+exp(-NETi(i,j)))-1;

end

end

%计算输出层各神经元的输出

NETk=wki*Oi;

for i=1:N

for k=1:L

Ok(k,i)=2/(1+exp(-NETk(k,i)))-1;

end

end

Ok %显示网络输出层的输出

实验结果：

epoch =

2

Ok =

0.9914 0.9914

0.9903 0.9903