BP神经网络matlab源代码)
* * * * * * * * * * * * * * * * * * * * * * * * * * %
学习程序
* * * * * * * * * * * * * * * * * * * * * * * * * * %
%======原始数据输入=========原始数据输入
p=[2845 2833 4488; 2833 4488 4554; 4488 4554 2928; 4554 2928 3497; 2928 3497 2261;
3497 2261 6921; 2261 6921 1391; 6921 1391 3580; 1391 3580 4451; 3580 4451 2636;
4451 2636 3471; 2636 3471 3854; 3471 3854 3556; 3854 3556 2659; 3556 2659 4335;
2659 4335 2882; 4335 2882 4084; 4335 2882 1999; 2882 1999 2889; 1999 2889 2175;
2889 2175 2510; 2175 2510 3409; 2510 3409 3729; 3409 3729 3489; 3729 3489 3172;
3489 3172 4568; 3172 4568 4015; ();
%%===========期待输出===========期待输出
t=[ 455429283497226169211391358044512634512636345126363471385435562659 . 43352882408419992892175251034093409348934893489348.
ptest=[2845 2833 4488; 2833 4488 4554; 4488 4554 2928; 4554 2928 3497; 2928 3497 2261;
3497 2261 6921; 2261 6921 1391; 6921 1391 3580; 1391 3580 4451; 3580 4451 2636;
4451 2636 3471; 2636 3471 3854; 3471 3854 3556; 3854 3556 2659; 3556 2659 4335;
2659 4335 2882; 4335 2882 4084; 4335 2882 1999; 2882 1999 2889; 1999 2889 2175;
2889 2175 2510; 2175 2510 3409; 2510 3409 3729; 3409 3729 3489; 3729 3489 3172;
3489 3172 4568; 3172 4568 4015; 4568 4015 3666] (;
[pn,minp,maxp,tn,mint,maxt]=premnmx(p,t ); %数据规范化
NodeNum1=20; %隐藏层第一层节点数
NodeNum2=40; %隐藏层第二层节点数
TypeNum=1; %输出维
TF1='tansig ';
TF2='tansig ';
TF3='tansig ';
net=newff(Minmax(pn ),[NodeNum1,NodeNum2,TypeNum],{TF1 TF2 TF3},' traingdx ' );