bp神经网络的matlab代码（bp神经网络代码分析matlab）

本篇文章给大家谈谈bp神经网络的matlab代码，以及bp神经网络代码分析matlab对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。

本文目录一览：

• 1、matlab bp神经网络
• 2、求一个4，8，1的bp神经网络模型的matlab代码？
• 3、求预测一组数据的bp神经网络模型的matlab代码
• 4、BP神经网络matlab源程序代码讲解
• 5、BP神经网络matlab代码
• 6、关于BP神经网络的Matlab程序

matlab bp神经网络

用BP神经网络可以对任意阶乘的训练向量进行训练。然后输出目标向量，最后预测未来的量。

例如：已知55个数据 ，用5×40向量数据作为训练向量，然后输出1×40的数据向量（即对5-45序列进行预测），最后，再对46-66序列进行预测。

实现代码：

%训练向量

P_in=[。。。];   %5×40向量

%目标向量

T=[。。。];   %1×40向量

net=newrbe(P_in,T,0.7);

Y=sim(net,P_in);

x=Y;

t=6:length(x)+5;

lag=2;

fn=length(t);

[f_out,iinput]=BP(x,lag,fn);   %BP（）自定义神经网络函数

[x' iinput'];

%预测年份或某一时间段

delta_t=66-45;

t1=fn:fn+delta_t;

n=length(t1)+5;

t1=5+length(x)+1:length(x)+n;

%预测步数为fn

fn=length(t1);  

[f_out,iinput,errors]=BP(x,lag,fn);

P_out=f_out;

% 画出预测图

figure(1),plot(t,x,'b*-')

xlabel('datapoint'),ylabel('A(mm/s)')

figure(2),plot(t(end):t1(end),[iinput(end),f_out],'rp-'),grid on

xlabel('datapoint'),ylabel('A(mm/s)')

t0=1:length(data);

figure(3),plot(t0,data,'ko'),hold on,plot(t,x,'b*-'),hold on

plot(t(end):t1(end),[iinput(end),f_out],'rp-'),grid on

xlabel('datapoint'),ylabel('A(mm/s)');

legend('真实值','5～45的预测值','45～55的预测值');

运行结果

求一个4，8，1的bp神经网络模型的matlab代码？

代码如下：直接运行就是了。

P=P=[-1,  -2,    3,    1;       -1,    1,    5,  -3; -2,  3, 4, 6;  1, 2, 3,  4 ];%初始训练值

%  创建一个新的前向神经网络 

net=newff(minmax(P),[8,1],{'tansig','purelin'},'traingdm')

%  当前输入层权值和阈值 

inputWeights=net.IW{1,1} 

inputbias=net.b{1} 

%  当前网络层权值和阈值 

layerWeights=net.LW{2,1} 

layerbias=net.b{2} 

%  设置训练参数 

net.trainParam.show = 50; 

net.trainParam.lr = 0.05; 

net.trainParam.mc = 0.9; 

net.trainParam.epochs = 1000; 

net.trainParam.goal = 1e-3; 

%  调用 TRAINGDM 算法训练 BP 网络 

[net,tr]=train(net,P,T); 

%  对 BP 网络进行仿真 

A = sim(net,P) %最后结果

%  计算仿真误差 

E = T - A 

MSE=mse(E)

求预测一组数据的bp神经网络模型的matlab代码

用matlab求预测一组数据的bp神经网络模型，可以分

1、给定已经数据，作为一个原始序列；

2、设定自回归阶数，一般2～3，太高不一定好；

3、设定预测某一时间段

4、设定预测步数

5、用BP自定义函数进行预测

6、根据预测值，用plot函数绘制预测数据走势图

其主要实现代码如下：

clc

% x为原始序列（行向量）

x=[208.72 205.69 231.5 242.78 235.64 218.41];

%x=[101.4 101.4 101.9 102.4 101.9 102.9];

%x=[140 137 112 125 213 437.43];

t=1:length(x);

% 自回归阶数

lag=3;

%预测某一时间段

t1=t(end)+1:t(end)+5;

%预测步数为fn

fn=length(t1);

[f_out,iinput]=BP(x,lag,fn);

P=vpa(f_out,5);

A=[t1' P'];

disp('预测值')

disp(A)

% 画出预测图

figure(1),plot(t,iinput,'bo-'),hold on

plot(t(end):t1(end),[iinput(end),f_out],'rp-'),grid on

title('BP神经网络预测某地铁线路客流量')

xlabel('月号'),ylabel('客流量（百万）');

运行结果：

BP神经网络matlab源程序代码讲解

newff 创建前向BP网络格式：

net = newff(PR,[S1 S2...SNl],{TF1 TF2...TFNl},BTF,BLF,PF)

其中：PR —— R维输入元素的R×2阶最大最小值矩阵； Si —— 第i层神经元的个数，共N1层； TFi——第i层的转移函数，默认‘tansig’； BTF—— BP网络的训练函数，默认‘trainlm’; BLF—— BP权值/偏差学习函数，默认’learngdm’ PF ——性能函数，默认‘mse’；（误差）

e.g.

P = [0 1 2 3 4 5 6 7 8 9 10];T = [0 1 2 3 4 3 2 1 2 3 4];

net = newff([0 10],[5 1],{'tansig' 'purelin'});net.trainparam.show=50; %每次循环50次net.trainParam.epochs = 500; %最大循环500次

net.trainparam.goal=0.01; %期望目标误差最小值

net = train(net,P,T); %对网络进行反复训练

Y = sim(net,P)Figure % 打开另外一个图形窗口

plot(P,T,P,Y,'o')

BP神经网络matlab代码

clear

clc

alpha=0.05;

eta=0.2;

ny=2;d=2;nu=3;

n=ny+nu-d+1;

m=6;

w1k1=randn(m,n);%6*4

w1k2=w1k1;

w2k1=randn(1,m);%1*6

w2k2=w2k1;

L=1000;

uk=zeros(nu,1);%2*1

yk=zeros(ny,1);%2*1

fork=1:L

    time(k)=k;

    u(k)=0.8*sin(0.01*pi*k);

    y(k)=uk(2)^3+uk(3)^3+(0.8+yk(1)^3)/(1+yk(1)^2+yk(2)^4);

    X=[yk;uk(d:nu)];

    o=X;%4*1

    net2=w1k1*X;% 6*1

    o2=1./(1+exp(-net2));%6*1

    ym(k)=w2k1*o2;

    e(k)=y(k)-ym(k);

 dw2=eta*e(k)*o2';%1*6 e(k)ÊÇÒ»¸öÊý£¬kָϱꡣ

    w2=w2k1+dw2+alpha*(w2k1-w2k2);%1*6

    dnet2=exp(-net2)./(1+exp(-net2)).^2;%6*1

   dw1k1=eta*e(k)*w2k1'.*dnet2*o';

    w1=w1k1+dw1k1+alpha*(w1k1-w1k2);

    w1k2=w1k1;w1k1=w1;

    w2k2=w2k1;w2k1=w2;

    for i=nu:-1:2

        uk(i)=uk(i-1);

    end

    uk(1)=u(k);

    for i=ny:-1:2

        yk(i)=yk(i-1);

    end

    yk(1)=y(k);   

end

subplot(211)

plot(time,y,'r:',time,ym,'k');

xlabel('k'); ylabel('y(k)¡¢y_m(k)');

legend('y(k)','y_m(k)'); %axis([0 L -.4 1.6]);

subplot(212)

plot(time,y-ym,'k');

xlabel('k'); ylabel('e(k)'); axis([0 L -1 1]);

关于BP神经网络的Matlab程序

首先确定你的MATLAB版本，如果是比较新的版本，可能有些归一化的函数就不能用了。

这段程序中pnew=pnew';这句是矩阵转置的意思

你打算改什么呢？

bp神经网络的matlab代码的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于bp神经网络代码分析matlab、bp神经网络的matlab代码的信息别忘了在本站进行查找喔。