matlab中BP神經網絡的使用方法和實例

有時候在使用matlab進行數據分析和計算的時候，想使用BP神經網絡算法，怎麼使用呢，下面來分享一下方法

操作方法

（01）第一步我們首先需要了解BP神經網絡是一種多層前饋網絡,可以進行學習和存儲輸入輸出映射關係，不需要去建立數學方程式，是一種常用的神經網絡模型，BP神經網絡的構建主要分為三步，如下圖所示：

（02）第二步我們可以看一下在matlab中BP神經網絡的訓練函數，有梯度下降法traingd,彈性梯度下降法trainrp,自適應lr梯度下降法traingda等，如下圖所示：

（03）第三步下面我們通過實例來介紹BP神經網絡的使用，在matlab中命令行窗口中定義輸入P，輸出T，·通過“newff(minmax(P),[5,1],{'tansig','purelin'},'trainrp');”構建BP神經網絡，“[net,tr]=train(net,P,T);”進行網絡訓練，“sim(net,P)”得到仿真預測值，完整代碼如下圖所示：

（04）第四步在命令行窗口按回車鍵之後，可以看到出現結果彈窗，最上面的Neural Network下面依次代表的是“輸入、隱含層、輸出層、輸出”，隱含層中有5個神經元，Progress下面的Epoch代表迭代次數，Gradient代表梯度，Vaildation Checks代表有效性檢查，最後的綠色對勾代表性能目標達成，如下圖所示：

（05）第五步我們也可以看一下命令行窗口中的輸出結果，X是BP神經網絡仿真值，和輸出值已經非常逼近了，如下圖所示：

（06）第六步我們將實際曲線和預測曲線繪製出來，可以看到使用BP神經網絡預測的結果曲線基本和實際輸出曲線一致，如下圖所示：