BP-ANN MATLAB代码

BP-ANN（Back Propagation Artificial Neural Network）即反向传播人工神经网络，是一种通过误差反向传播算法训练的多层前馈神经网络。在MATLAB中，可以通过Neural Network Toolbox来设计和训练BP-ANN。以下是一个简单的BP-ANN在MATLAB中实现的代码示例：

% 假设我们已经有了输入数据X和目标输出T
X = [0:0.05:1; 1:-0.05:0]; % 一个简单的正弦函数输入
T = sin(2*pi*X(1,:)) + 0.1*randn(size(X(1,:))); % 目标输出，加上一些噪声

% 创建一个两层的前馈网络
% 这里我们使用一个有10个神经元的隐藏层，并使用tansig传递函数
net = feedforwardnet(10, 'tansig');

% 配置神经网络
net = configure(net, X, T);

% 分割数据为训练、验证和测试集
net.divideParam.trainRatio = 70/100;
net.divideParam.valRatio = 15/100;
net.divideParam.testRatio = 15/100;

% 训练神经网络
[net,tr] = train(net, X, T);

% 使用训练好的网络进行预测
Y = net(X);

% 测试网络性能
performance = perform(net, T, Y);

% 绘制结果
figure, plotperform(tr)
figure, plottrainstate(tr)
figure, ploterrhist(T - Y)
figure, plotregression(T, Y)
figure, plotsurface(X, T, Y)

这段代码首先定义了输入数据`X`和目标数据`T`，然后创建了一个具有10个神经元的隐藏层的前馈神经网络。接着对网络进行了配置，并将数据集分割为训练、验证和测试集。然后使用`train`函数训练网络，并使用训练好的网络对输入数据进行预测。最后，计算了网络性能，并绘制了性能曲线和预测结果。