bp算法matlab程序

1. 如何用matlab编写BP神经网络程序

matlab编写BP神经网络很方便的，这个工作不用像编程序的C什么的那样还要编写算法。这个算法早已经在软件的库里提供了。你只要用一条语句就出来了。把参数，深度和节点固定的往里一代数就可以了。还有一点，注意最后结果的收敛性，神经网络发展一直是曲折前进的，为什么这样，现在不太给力，因为面临着一个收敛的问题，实现起来效果不好。这些程序网上有很多，你借一本基本的神经网络的书里面也有。望采纳。

2. 下图用matlab怎么编bp算法代码

%读取训练数据
[f1,f2,f3,f4,class] = textread('trainData.txt' , '%f%f%f%f%f',150);
%特征值归一化
[input,minI,maxI] = premnmx( [f1 , f2 , f3 , f4 ]') ;
%构造输出矩阵
s = length( class) ;
output = zeros( s , 3 ) ;
for i = 1 : s
output( i , class( i ) ) = 1 ;
end
%创建神经网络
net = newff( minmax(input) , [10 3] , { 'logsig' 'purelin' } , 'traingdx' ) ;
%设置训练参数
net.trainparam.show = 50 ;
net.trainparam.epochs = 500 ;
net.trainparam.goal = 0.01 ;
net.trainParam.lr = 0.01 ;
%开始训练
net = train( net, input , output' ) ;
%读取测试数据
[t1 t2 t3 t4 c] = textread('testData.txt' , '%f%f%f%f%f',150);
%测试数据归一化
testInput = tramnmx ( [t1,t2,t3,t4]' , minI, maxI ) ;
%仿真
Y = sim( net , testInput )
%统计识别正确率
[s1 , s2] = size( Y ) ;
hitNum = 0 ;
for i = 1 : s2
[m , Index] = max( Y( : , i ) ) ;
if( Index == c(i) )
hitNum = hitNum + 1 ;
end
end
sprintf('识别率是 %3.3f%%',100 * hitNum / s2 )

看了你的数据，你至少要有的类标号吧，不知道你哪里是输入向量，哪里是输出向量

3. matlab BP神经网络训练程序求解释

楼主解决没？这是我知道的

[pn,minp,maxp,tn,mint,maxt]=premnmx(p,t); %归一化数据，方便后面的预测

net.trainParam. show = 100; %这里的show是显示步数，每100步显示一次
net.trainParam.goal=0.0001; %目标误差，训练得到的数据和原始输入
net.trainParam.lr = 0.01; %lr是学习动量，一般越小越好
y1=sim(net,pn); %sim用来预测的

xlswrite('testdata6',tnew1); ？这里的testdata6是excel表格的名称

你可以看看书的，书上都有介绍

4. matlab程序 BP神经网络预测 程序如下：

P=[。。。];输入T=[。。。];输出

% 创建一个新的前向神经网络
net_1=newff(minmax(P),[10,1],,'traingdm')

% 当前输入层权值和阈值
inputWeights=net_1.IW
inputbias=net_1.b
% 当前网络层权值和阈值
layerWeights=net_1.LW
layerbias=net_1.b

应该没问题吧。

5. BP算法在一个matlab程序中可以区分几类数据

在BP分类中，输出神经元的个数理论上是没有限制的，就是说你分几类都是可以的。

6. 用Matlab算BP神经网络的具体算法

BP神经网络的传递函数一般采用sigmiod函数，学习算法一般采用最小梯度下降法；下面是具体的程序例子：
例1 采用动量梯度下降算法训练 BP 网络。
训练样本定义如下：
输入矢量为
p =[-1 -2 3 1
-1 1 5 -3]
目标矢量为 t = [-1 -1 1 1]
解：本例的 MATLAB 程序如下：

close all
clear
echo on
clc
% NEWFF——生成一个新的前向神经网络
% TRAIN——对 BP 神经网络进行训练
% SIM——对 BP 神经网络进行仿真
pause
% 敲任意键开始
clc
% 定义训练样本
% P 为输入矢量
P=[-1, -2, 3, 1; -1, 1, 5, -3];
% T 为目标矢量
T=[-1, -1, 1, 1];
pause;
clc
% 创建一个新的前向神经网络
net=newff(minmax(P),[3,1],{'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}
pause
clc
% 设置训练参数
net.trainParam.show = 50;
net.trainParam.lr = 0.05; 学习速率
net.trainParam.mc = 0.9; 动量系数
net.trainParam.epochs = 1000;
net.trainParam.goal = 1e-3;
pause
clc
% 调用TRAINGDM 算法训练 BP 网络
[net,tr]=train(net,P,T);
pause
clc
% 对 BP 网络进行仿真
A = sim(net,P)
% 计算仿真误差
E = T - A
MSE=mse(E)
pause
clc
echo off

7. 求一个用matlab实际的bp算法

首先对于数据进行归一化，我就不用matlab里面的代码了
maxP = max(max(p));
p = p';
Input = p(:, 1:4)./maxP;
Target = p(:, 2:5)./maxP;

netP = newff(Input, Target, 10);
netP = train(netP, Input, Target);

上面这个神经网络预测下一年的P值

P09_13 = zeros(6, 5)
for i = 1:5
if i == 1
P09_13(:, i) = sim(net, p(:, 5));
else
P09_13(:, i) = sim(net, P09_13(:, i-1));
end
end

以上得到09-13年预测出来的p值

下面求p-t之间的关系
Input = p./maxP;
Target =t./maxP;

net = newff(Input, Target, 10);
net = train(net, Input, Target);
以上代码求出了p-t对应关系
preliminaryResult = zeros(1, 5);
for i = 1:5
preliminaryResult = sim(net, P09_13(:, i));
end

result = preliminaryResult.*maxP;

result里面是09-13年预测出来的房价。

我没给你实际跑这个程序，明天就交论文你这个点求助我就不说你什么了。我估计应该没错误。
听天由命吧，少年。

8. bp神经网络算法 在matlab中的实现

BP神经网络是最基本、最常用的神经网络，Matlab有专用函数来建立、训练它，主要就是newff()、train()、sim()这三个函数，当然其他如归一化函数mapminmax()、其他net的参数设定（lr、goal等）设置好，就可以通过对历史数据的学习进行预测。附件是一个最基本的预测实例，本来是电力负荷预测的实例，但具有通用性，你仔细看看就明白了。