BP应用
BP的完整应用
一个完整的BP建模Demo代码
作者 : 老饼 日期 : 2022-06-09 05:13:15 更新 : 2022-06-29 01:24:10
本站原创文章,转载请说明来自《老饼讲解-BP神经网络》bp.bbbdata.com



本文展示一个完整的BP神经网络建模例子,用于理解和学习整体建模流程。


 01. 代码思路  


整体代码思路如下:



1、生成数据
2、设置一个三层的BP网络,并将隐节点设为3.
3、训练网络
4、抽出训练结果中的训练数据与测试数据的预测结果,并与原始数据进行对比。



 02. 具体代码   



代码已在matlab2014b版本亲测跑过:



clear all;
close all ;
%================原始数据====================
x1 = linspace(-3,3,100);     % 在[-3,3]之间线性生成100个数据
x2 = linspace(-2,1.5,100);   % 在[-2,1.5]之间线性生成100个数据
X  = [x1;x2];                          % 将x1,x2作为输入数据
y = 10*sin(x1)+0.2*x2.*x2;   % 生成y
setdemorandstream(88);       % 老饼为了每次运行的结果一致设定随机种子,实际中可以去掉
%==============网络训练 ============================
%使用用输入输出数据(X,y)建立网络,
%隐节点个数设为3.其中输入层到隐层、隐层到输出层的节点分别为tansig和purelin,使用trainlm方法训练。
net = newff(X,y,3,{'tansig','purelin'},'trainlm');
%设置一些常用关键参数
net.trainparam.goal = 0.00001;    % 训练目标:均方误差低于0.0001
net.trainparam.show = 400;        % 每训练400次展示一次结果
net.trainparam.epochs = 15000;    % 最大训练次数:15000.
net.divideParam.trainRatio=0.7;   % 用于训练的数据比例
net.divideParam.valRatio=0.15 ;   % 用于验证过拟合的数据比例
net.divideParam.testRatio=0.15;   % 用于比例
net.trainparam.max_fail =6;       % 过拟合验证失败次数

[net,tr,net_y] = train(net,X,y);  % 调用matlab神经网络工具箱自带的train函数训练网络y,net返回

% ===========画图==================================
figure
subplot(2,1,1);
title('训练数据的拟合效果')
hold on 
plot(1:length(tr.trainInd),y(tr.trainInd),'b')
plot(1:length(tr.trainInd),net_y(tr.trainInd),'r')

subplot(2,1,2);
title('测试数据的拟合效果')
hold on 
plot(1:length(tr.testInd),y(tr.testInd),'b')
plot(1:length(tr.testInd),net_y(tr.testInd),'r')

%=============网络对新输入的使用==========================
sim_y = sim(net,X);               % 实际与上面的net_y一致






  End  






联系小饼