bp神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)實(shí)例(matlab編程)-全文預(yù)覽
【正文】 /500, MSE , Gradient TRAINGDX, Epoch 125/500, MSE , Gradient TRAINGDX, Epoch 136/500, MSE , Gradient TRAINGDX, Validation stop. 例 4 用 BP網(wǎng)絡(luò)估計(jì)膽固醇含量 這是一個(gè)將神經(jīng)網(wǎng)絡(luò)用于醫(yī)療應(yīng)用的例子。 pause。+39。 第 6 頁 共 8 頁 pause clc % 對(duì) BP 網(wǎng)絡(luò)進(jìn)行仿真 A = sim(,P)。)。,39。 % 繪制不含噪聲的 正弦曲線 echo on clc pause clc % 定義驗(yàn)證樣本 = [::]。 echo off hold on。 T = sin(2*pi*P)+*randn(size(P))。 第 5 頁 共 8 頁 本例的 MATLAB 程序如下： close all clear echo on clc % NEWFF——生成一個(gè)新的前向神經(jīng)網(wǎng)絡(luò) % TRAIN——對(duì) BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練 % SIM——對(duì) BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行仿真 pause % 敲任意鍵開始 clc % 定義訓(xùn)練樣本矢量 % P 為輸入矢量 P = [1::1]。 例 3 采用 “提前停止 ”方法提高 BP 網(wǎng)絡(luò)的推廣能力。顯然，經(jīng) trainlm 函數(shù)訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)對(duì)樣本數(shù)據(jù)點(diǎn)實(shí)現(xiàn)了 “過度匹配 ”，而經(jīng) trainbr 函數(shù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò) 對(duì)噪聲不敏感，具有較好的推廣能力。)。 plot(P,A,P,T,39。 % 重新初始化 pause 第 4 頁 共 8 頁 clc end % 調(diào)用相應(yīng)算法訓(xùn)練 BP 網(wǎng)絡(luò) [,tr]=train(,P,T)。 randn(39。 =init()。 if(choice==1) echo on clc % 采用 LM 優(yōu)化算法 TRAINLM =39。 choice=input(39。)。purelin39。)。)。,78341223)。在本例中，我們采用兩種訓(xùn)練方法，即 LM 優(yōu)化算法（ trainlm）和貝葉斯正則化算法（ trainbr），用以訓(xùn)練 BP 網(wǎng)絡(luò)，使其能夠擬合某一附加有白噪聲的正弦樣本數(shù)據(jù)。 = 1000。traingdm39。tansig39。 1, 1, 5, 3]。 訓(xùn)練樣本定義如下： 輸入矢量為 p =[1 2 3 1 1 1 5 3] 目標(biāo)矢量為 t = [1 1 1 1] 解： 本例的 MATLAB 程序如下： close all clear echo on clc % NEWFF——生成一個(gè)新的前向神經(jīng)網(wǎng)絡(luò) % TRAIN——對(duì) BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練 % SIM——對(duì) BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行仿真 pause % 敲任意鍵開始 clc % 定義訓(xùn)練樣本 % P 為輸入矢量 P=[1, 2, 3, 1
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號(hào)-1