BP神经网络底层代码详解

Halcom

百度网盘链接：
链接：http://pan.baidu.com/s/1bV4asu
具体链接在halcom.cn论坛，联系人QQ：3283892722
该论坛是一个学习交流平台，我会逐一的和大家分享学习。
欢迎大家录制视频，并提交给我，我来设置视频，你可在论坛进行打赏分享。
视频专用播放器：http://halcom.cn/forum.php?mod=viewthread&tid=258&extra=page%3D1

BP神经网络底层代码详解：

1. clc,clear,close all   % 清理命令区、清理工作区、关闭显示图形
   
2. warning off           % 消除警告
   
3. feature jit off       % 加速代码运行
   
4. format short        % 数据类型
   
5. tic                 % 运算计时
   
6. load('data.mat')
   
7. xs = data(1:3,:)';  % 输入数据
   
8. ys = data(4,:)';    % 输出数据
   
9. % 选连样本输入输出数据归一化
   
10. xsmin = min(xs);   
    
11. xsmax = max(xs);
    
12. for i=1:length(xsmin)
    
13.     xs(:,i) = (xs(:,i)-xsmin(i))./(xsmax(i)-xsmin(i));
    
14. end
    
15. % 拟合计算
    
16. hiddennum = 10;   % 隐藏层个数
    
17. itermax = 4000;   % 迭代计算次数
    
18. % 节点个数
    
19. inputnum=3;   % 自变量个数
    
20. outputnum=1;  % 因变量个数
    
21. 
    
22. xite=0.1;   % 学习因子
    
23. alfa1=0.5;   % 动量系数
    
24. 
    
25. % 输入层到隐藏层 权值
    
26. w1 = 10*rands(inputnum,hiddennum);   
    
27. w1_1=w1;   
    
28. w1_2=w1;   
    
29. % 隐藏层到输出层 权值
    
30. w2 = 10*rands(hiddennum,outputnum);  
    
31. w2_1=w2;   
    
32. w2_2=w2;  
    
33. 
    
34. I=zeros(hiddennum,1);    % 输入层到隐藏层 计算值
    
35. Iout=zeros(hiddennum,1); % 隐藏层到输出层 计算值
    
36. FI=zeros(hiddennum,1);   % S函数的导数f(x) = 1/(1+exp(-x)),则导数f(x)' = f(x)*(1-f(x))
    
37. 
    
38. NS=size(xs,1);  % 训练数据维数，样本个数
    
39. 
    
40. for ii=1:itermax
    
41.     for s=1:NS     % 逐行提取样本
    
42.         % 输入层到隐藏层
    
43.         x=xs(s,:);   % 逐行提取样本
    
44.         for j=1:hiddennum   
    
45.             I(j)=x*w1(:,j);
    
46.             Iout(j)=1/(1+exp(-I(j)));
    
47.         end
    
48.         % 隐藏层到输出层
    
49.         yl=w2'*Iout;
    
50.         
    
51.         y=ys(s,:);  % 实际值、
    
52.         ey=y-yl;              % 误差
    
53.         el = 0.5*( ey )^2;    % 输出误差性能指标
    
54.         es(s)=el;
    
55.         
    
56.         if s==NS
    
57.            E = sum(es);    % 误差累计和
    
58.         end
    
59.         
    
60.         % 隐藏层到输出层的更新
    
61.         w2=w2_1+xite*Iout*ey+alfa1*(w2_1-w2_2);
    
62.         
    
63.         % 输入层到隐藏层的更新
    
64.         for j=1:hiddennum
    
65.            S=1/(1+exp(-I(j)));
    
66.            FI(j)=S*(1-S);
    
67.         end
    
68.         for i=1:inputnum
    
69.            for j=1:hiddennum
    
70.                dw1(i,j)=xite*FI(j)*x(i)*(ey(1)*w2(j,1));
    
71.            end
    
72.         end
    
73.         w1=w1_1+dw1+alfa1*(w1_1-w1_2);
    
74.         
    
75.         w1_2=w1_1; w1_1=w1;
    
76.         w2_2=w2_1; w2_1=w2;
    
77.     end
    
78.     Ek(ii)=E;   % 每一次的迭代误差
    
79. end
    
80. time = toc   % 计时结束
    
81. %% 画图
    
82. figure(1);
    
83. % plot(Ek,'ro-');
    
84. loglog(Ek,'ro-')
    
85. xlabel('迭代次数');ylabel('迭代误差E');axis tight;grid on;
    
86. %% 数据拟合画图
    
87. test = xs;
    
88. for i=1:size(test,1)  % 样本个数
    
89.         for j=1:hiddennum   
    
90.         I_test(i,j)=test(i,:)*w1(:,j);
    
91.         Iout_test(i,j)=1/(1+exp(-I_test(i,j)));
    
92.         end
    
93. end
    
94. y=w2'*Iout_test';
    
95. disp(['预测值： '])
    
96. disp( num2str(y') )
    
97. 
    
98. disp(['预测结果的均方根误差： ', num2str(  mse(y'-ys) ) ])
    
99. 
    
100. figure(2),hold on;
     
101. plot(y,'r.-');
     
102. plot(ys,'b.-');
     
103. legend('拟合预测数据','实际数据');
     
104. grid on;axis tight;
     
105. hold off;

复制代码

案例分享：【1】BP神经网络模糊评价
【2】BP 神经网络训练