bp神经网络代码matlab

以下是一个简单的 MATLAB BP 神经网络代码示例：

% 设置输入和输出数据
x = [0 0 1; 0 1 1; 1 0 1; 1 1 1]; % 输入数据
y = [0; 1; 1; 0]; % 输出数据

% 设置神经网络的参数
input_layer_size = 3; % 输入层的大小
hidden_layer_size = 4; % 隐藏层的大小
output_layer_size = 1; % 输出层的大小
alpha = 0.01; % 学习速率
num_iters = 10000; % 迭代次数

% 初始化神经网络的权重
theta1 = rand(hidden_layer_size, input_layer_size + 1); % 隐藏层的权重
theta2 = rand(output_layer_size, hidden_layer_size + 1); % 输出层的权重

% 迭代训练神经网络
for i = 1:num_iters
% 前向传播
a1 = [ones(size(x, 1), 1) x]; % 加入偏置项
z2 = a1 * theta1';
a2 = sigmoid(z2);
a2 = [ones(size(a2, 1), 1) a2]; % 加入偏置项
z3 = a2 * theta2';
a3 = sigmoid(z3);

% 反向传播
delta3 = a3 - y;
delta2 = delta3 * theta2 .* sigmoidGradient([ones(size(z2, 1), 1) z2]);
delta2 = delta2(:, 2:end);
theta1_grad = delta2' * a1 / size(x, 1);
theta2_grad = delta3' * a2 / size(x, 1);

% 更新权重
theta1 = theta1 - alpha * theta1_grad;
theta2 = theta2 - alpha * theta2_grad;
end

% 测试神经网络的准确率
a1 = [ones(size(x, 1), 1) x]; % 加入偏置项
z2 = a1 * theta1';
a2 = sigmoid(z2);
a2 = [ones(size(a2, 1), 1) a2]; % 加入偏置项
z3 = a2 * theta2';
a3 = sigmoid(z3);
predictions = a3 >= 0.5;
accuracy = mean(double(predictions == y)) * 100;

disp(['准确率：' num2str(accuracy) '%']);