神經(jīng)網(wǎng)絡基于bp網(wǎng)絡的多層感知器實驗報告(存儲版)
【正文】 =zeros(1,101)。 q=1。 o(1,p)=w*y39。 Erro=Erro+erro(t)。 end。 end disp(39。 plot(x,o,39。 figure(3)。s2=0。for zk=1:5[cs,wc]=jsdyb(lr,q(zk))。for i=1:100NETi=x(i).*Wij+b*Wb。plot(x,y,39。)hold offfigureplot(x,ok,39。)xlabel(39。)figureplot([1:length(Ez)],Ez)title(39。,39。)title(39。,39。r39。[epoch,s,Wki,Wij,Wb,Ez]=dyb(lr,Emin,q)x=linspace(4,4,100)。function A=zjsdyb(lr)q=[4,5,7,8,10]。八：附加函數(shù)：（斜黑體部分替換為pcl、dlpcl分別進行批處理BP網(wǎng)絡計算、顯示圖形和增加動量項的批處理BP網(wǎng)絡計算、顯示圖形）計算函數(shù)：function [cs,wc]=jsdyb(lr,q)Emin=。 pjcs=1/5*acs figure(2)。)。 azc=azc+Erme。 else w(1,m)=w(1,m)+n*Erro*y(1,m)+a*w(1,m1)。 end。 y(1,i)=1/(1+exp(netj(1,i)))。 y=zeros(1,j)。 ERRO=[]。)。end運行結(jié)果如下：表格2. 批處理BP算法平均最小誤差學習率結(jié)點數(shù)5810123. 對批處理訓練BP算法增加動量項調(diào)整參數(shù)如上，記錄結(jié)果，并與沒有帶動量項的批處理訓練BP算法的結(jié)果相比較程序如下：function jdlx %加動量項 close all。 disp(39。 pjwc=1/5*azc figure(1)。 if ErmeEmin break。 end。%噪聲 wucha=d(1,p)o(1,p)。 acs=0。%期望 end。 err=zeros(1,101)。請輸入隱層節(jié)點數(shù) j = 39。)。 disp(39。 pinjunwucha=1/5*azc figure(1)。 if ErmeEmin break。 end q=q+1。 o(p)=w*y39。 azc=0。 d=zeros(1,101)。 %輸出層閾值 v=rand(2,j)。%閾值 j=input(39。（要求誤差計算使用RME，Emin ） 程序如下：function dyb %單樣本程序 clc。 –誤差的反向傳播：將輸入誤差以某種形式通過隱層向輸入層逐層反傳，并將誤差分攤給各層的所有單元，從而獲得各層單元的誤差信號來作為修正各單元權(quán)值的依據(jù)。
數(shù)學相關(guān)推薦
鄂ICP備17016276號-1