资源描述：
《bp神经网络地matlab语法》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。
1、实用标准文案 1.数据预处理 在训练神经网络前一般需要对数据进行预处理，一种重要的预处理手段是归一化处理。下面简要介绍归一化处理的原理与方法。(1)什么是归一化？ 数据归一化，就是将数据映射到[0,1]或[-1,1]区间或更小的区间，比如(0.1,0.9)。(2)为什么要归一化处理？ <1>输入数据的单位不一样，有些数据的范围可能特别大，导致的结果是神经网络收敛慢、训练时间长。<2>数据范围大的输入在模式分类中的作用可能会偏大，而数据范围小的输入作用就可能会偏小。<3>由于神经网络输出层的激活函数的值域是有限制的，因此需要
2、将网络训练的目标数据映射到激活函数的值域。例如神经网络的输出层若采用S形激活函数，由于S形函数的值域限制在(0,1)，也就是说神经网络的输出只能限制在(0,1)，所以训练数据的输出就要归一化到[0,1]区间。<4>S形激活函数在(0,1)区间以外区域很平缓，区分度太小。例如S形函数f(X)在参数a=1时，f(100)与f(5)只相差0.0067。(3)归一化算法 一种简单而快速的归一化算法是线性转换算法。线性转换算法常见有两种形式： <1>y=(x-min)/(max-min) 其中min为x的最小值，max为x的最大
3、值，输入向量为x，归一化后的输出向量为y。上式将数据归一化到[0,1]区间，当激活函数采用S形函数时（值域为(0,1)）时这条式子适用。 <2>y=2*(x-min)/(max-min)-1 这条公式将数据归一化到[-1,1]区间。当激活函数采用双极S形函数（值域为(-1,1)）时这条式子适用。(4)Matlab数据归一化处理函数 Matlab中归一化处理数据可以采用premnmx，postmnmx，tramnmx这3个函数。<1>premnmx语法：[pn,minp,maxp,tn,mint,maxt]=pr
4、emnmx(p,t)参数：pn：p矩阵按行归一化后的矩阵minp，maxp：p矩阵每一行的最小值，最大值文档实用标准文案tn：t矩阵按行归一化后的矩阵mint，maxt：t矩阵每一行的最小值，最大值作用：将矩阵p，t归一化到[-1,1]，主要用于归一化处理训练数据集。<2>tramnmx语法：[pn]=tramnmx(p,minp,maxp)参数：minp，maxp：premnmx函数计算的矩阵的最小，最大值pn：归一化后的矩阵作用：主要用于归一化处理待分类的输入数据。<3>postmnmx语法：[p,t]=postmnmx(pn,m
5、inp,maxp,tn,mint,maxt)参数：minp，maxp：premnmx函数计算的p矩阵每行的最小值，最大值mint，maxt：premnmx函数计算的t矩阵每行的最小值，最大值作用：将矩阵pn，tn映射回归一化处理前的范围。postmnmx函数主要用于将神经网络的输出结果映射回归一化前的数据范围。2.使用Matlab实现神经网络 使用Matlab建立前馈神经网络主要会使用到下面3个函数：newff：前馈网络创建函数train：训练一个神经网络sim：使用网络进行仿真 下面简要介绍这3个函数的用法。(1)newff函数<1
6、>newff函数语法 newff函数参数列表有很多的可选参数，具体可以参考Matlab的帮助文档，这里介绍newff函数的一种简单的形式。语法：net=newff(A,B,{C},‘trainFun’)参数：A：一个n×2的矩阵，第i行元素为输入信号xi的最小值和最大值；B：一个k维行向量，其元素为网络中各层节点数；C：一个k维字符串行向量，每一分量为对应层神经元的激活函数；trainFun：为学习规则采用的训练算法。表3.1BP网络的常用函数表函数类型函数名称函数用途前向网络创建函数newcf创建级联前向网络Newff创
7、建前向BP网络logsigS型的对数函数文档实用标准文案传递函数tansigS型的正切函数purelin纯线性函数学习函数learngd基于梯度下降法的学习函数learngdm梯度下降动量学习函数性能函数mse均方误差函数msereg均方误差规范化函数显示函数plotperf绘制网络的性能plotes绘制一个单独神经元的误差曲面plotep绘制权值和阈值在误差曲面上的位置errsurf计算单个神经元的误差曲面3.1.1BP网络创建函数1)newff该函数用于创建一个BP网络。调用格式为：net=newffnet=newff(PR,[S
8、1S2..SN1],{TF1TF2..TFN1},BTF,BLF,PF)其中，net=newff;用于在对话框中创建一个BP网络。net为创建的新BP神经网络；PR为网络输入向量取值范围的矩阵；[S1S2…SNl]表示网
