bp神经网络MATLAB程序

function main()

clear all;

close all;

K=1;

T=120;

Ts=20;

num=K;

den=[T,1];

%Transfer function:

% 0.1535

%z^(-8) * ---------- Sampling time: 20

%z - 0.8465

[numd,dend]=c2dm(num,den,Ts) %numd = 0 0.1535 dend =1.0000 -0.8465

alldatanum=1000;%所有数据个数

traindatanum=500;%训练数据个数

testdatanum=500;%测试数据个数

%初始化

u=[rands(1,traindatanum) ones(1,testdatanum+20)]; %初始化输入 1*1020 前 500 列是 0~1 随机

alldatain=[];

alldataout=[];

for i=10:alldatanum+11

newin=[u(i-9);y(i-1)];

alldatain=[alldatain newin];%输入层为 u(k),y(k+1)

alldataout=[alldataout y(i)];%期望输出 y（k）

end

traindatain=alldatain(:,1:traindatanum);

traindataout=alldataout(:,1:traindatanum);

testdatain=alldatain(:,traindatanum+1:alldatanum);

figure

hold on

j=traindatanum+1:alldatanum

plot(j,testdatain,'k-')

xlabel('input t');

ylabel('output u');

ylabel('output y');

maxepochs=10000;%设定训练的最大次数

lr=0.001;%设定学习速率

alpha=0.9;%动量项系数

E0=0.00000001;%设定期望误差最小值

%初始化输出层加权系数，隐层加权系数（wki，wij）

w1=0.1*rands(hiddenunitnum,indim);%w1 隐层加权系数

b2=0.1*rands(outdim,1);%输出层阈值

w2ex=[w2 b2];

dw1ex=zeros(size(w1ex));

dw2ex=zeros(size(w2ex));

traindatainex=[traindatain' ones(traindatanum,1)]';

errorhistory=[];

for k=1:maxepochs

hiddenout=logsig(w1ex*traindatainex);

hiddenoutex=[hiddenout' ones(traindatanum,1)]';

networkout=w2ex*hiddenoutex;

error=traindataout-networkout;

errorhistory=[errorhistory SSE];

break;

end

%调整输出层加权系数 w2 和隐含层加权系数 w1

delta2=error;

delta1=w2'*delta2.*hiddenout.*(1-hiddenout);

w1ex=w1ex+lr*dw1ex+alpha*dw1ex0;

w2ex=w2ex+lr*dw2ex+alpha*dw2ex0;

w2=w2ex(:,1:hiddenunitnum);

end

k

w1=w1ex(:,1:indim)

figure

hold on

grid

[xx,num]=size(errorhistory);

plot(1:num,errorhistory,'r-');