BP神经网络工具箱参数详解

Halcom

1. p=[25 25 25; 12.5 12.5 12.5;;2 2 2;3 3 3;375 375 375;835 835 835;1000 1000 1000;3.2 3.2 3.2;0.8 0.8 0.8;600 546 628;127 81 104;26.3 25 22.2]
   
2. t=[0.35 0.38 0.42;15.7 18.8; 20;3.8 4 4.5]
   
3. p1=[25;12.5;2;3;375;835;1000;3.2;0.8;592;95;20.5]
   
4. [pc,minp,maxp]=premnmx(pl)   % p1为选取的一组测试数据
   
5. [pn,minp,maxp]=premnmx(p)    % 输入数据归一化处理
   
6. [tn,mint,maxt]=premnmx(t)    % 目标数据归一化处理
   
7. net=newff([minmax(pn)], [ 13,3 ], {'tansig','purelin' },'trainlm','learngdm') %建立一个前向的BP 网络，其中隐含层数为13层，输出层为3层
   
8. net.trainparam.epochs=10000  % 设定训练次数
   
9. net.trainparam.goal=0.0001   % 网络的训练目标误差
   
10. net.trainparam.lr=0.01       % 设定学习速率
    
11. net.trainparam.max_fail=5    % 最大验证失败次数
    
12. net.trainparam.mu=0.005      % Marquart调整参数
    
13. net.trainparam.mu_dec=0.1    % mu的下降因子
    
14. net.trainparam.mu_inc=10     % mu的上升因子
    
15. net.trainparam.mu_max= 1e+10    % mu的最大值
    
16. net.trainparam.mem_reduc=2      % 权衡计算可比矩阵时占用的内存和计算速度
    
17. net.trainparam.min_grad=1 e-2    % 性能函数的最小梯度
    
18. net.trainparam.show=25           % 两次显示时间的间隔
    
19. net.trainparam.time=inf          % 最长训练时间
    
20. an=train(net,pn,tn)              % 训练网络模型
    
21. save filename net                % 选择误差小的保存网络
    
22. load filename net                % 调用
    
23. an=sim(net,pc)                   % 测试
    
24. a=postmnmx(an,mint,maxt)         % 反归一化

复制代码

参考：基于神经网络_PID的水泥回转窑温度控制研究_楚万文，2009年，P88页

LJN

找到了我需要的资料，谢谢楼主