function f=bpfun() %Neural Network—bpfun.m %輸入矩陣的范圍(數據源) P=[20 3000;1400 3500;500 3500;]; %創建網絡 net=newff(P,[6 1],{'tansig' 'purelin'}); %初始化神經網絡 net=init(net); %兩次顯示之間的訓練步數 默認為25 net.trainParam.show=50; %lr不能選擇太大 太大了會造成算法不收斂 太小了會使訓練時間太長 %一般選擇0.1~0.01之間 %訓練速度 net.trainParam.lr=0.05; %訓練次數 默認為100 net.trainParam.epochs=2000; %訓練時間 默認為inf，表示訓練時間不限 net.trainParam.time=5000; %訓練的目標 默認為0 net.trainParam.goal=0.001; %建立源數據的矩陣 SourceDataConvert=importdata('bp_train_sample_data.dat'); SourceData=SourceDataConvert' TargetConvert=importdata('bp_train_target_data.dat'); Target=TargetConvert' %神經網絡訓練 net=train(net,SourceData,Target) %顯示訓練后的各層權重 mat1=cell2mat(net.IW(1,1)) mat2=cell2mat(net.LW(2,1)) %mat3=cell2mat(net.LW(3,2)) %讀取仿真文件數據 simulate_data_convert=importdata('bp_simulate_data.dat'); simulate_data=simulate_data_convert'; result=sim(net,simulate_data) result=result' grid; title('bp神經網絡：訓練次數-輸出誤差對應關系圖'); xlabel('訓練次數'); ylabel('誤差值'); %打開存儲仿真結果的文件 a 追加結果 w+ 清除原有內容后讀或寫 fid=fopen('result.dat','w+'); if fid==-1disp('file open error')fclosed(fid);return; else; end %仿真的樣本數 simulate_num=30; %存儲結果到文件中 for i=1:1:simulate_numfprintf(fid,'%f',result(i));fprintf(fid,'%s',' '); end %換行輸入 fprintf(fid,'%s\r\n',''); %fprintf(fid,'%f',20);%關閉文件 fclose(fid);%可以把結果文件的數據讀出進行操作 matrix=importdata('result.dat');

總結

以上是生活随笔為你收集整理的MATLAB----模糊神经网络的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。