bp_demo

所属分类:人工智能/神经网络/深度学习
开发工具:matlab
文件大小:31KB
下载次数:14
上传日期:2015-01-20 20:52:39
上 传 者max1989
说明:   BP(Back Propagation)网络是1986年由Rumelhart和McCelland为首的科学家小组提出,是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法,通过反向传播来不断调整网络的权值和阈值,使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层(input)、隐层(hide layer)和输出层(output layer)。 行。然而,直观性的思维是将分布式存储的信息综合起来,结果是忽然间产生想法或解决问题的办法。这种思维方式的根本之点在于以下两点:1.信息是通过神经元上的兴奋模式分布储在网络上 2.信息处理是通过神经元之间同时相互作用的动态过程来完成的。
( BP (Back Propagation) network is a group of scientists headed by Rumelhart and McCelland in 1986, is a kind of according to the error Back Propagation algorithm training of the multilayer feedforward network, is currently one of the most widely used neural network model. BP network can learn and store a lot of input - output model mapping, without prior reveal describe the mathematical equations of the mapping relationship. Its learning rule is to use the steepest descent method, by Back Propagation to constantly adjust the network weights and threshold, minimize the error sum of squares of the network. The BP neural network model of topological structures include input layer (input), the hidden layer (hide layer) and output layer (output layer). )

文件列表:
bp_demo\About.fig (1980, 2010-01-09)
bp_demo\About.m (3038, 2010-01-09)
bp_demo\bp_demo.fig (19151, 2010-01-09)
bp_demo\bp_demo.m (46288, 2010-01-09)
bp_demo\matlab.mat (296, 2010-01-25)
bp_demo\数据.xls (15872, 2010-01-09)
bp_demo (0, 2010-01-25)

%---------------------------BP_Demo 版本信息-------------------------------- % Version 1.0 % By yuthreestone 2010-1-9 % All rights reserved. % 如果您有任何问题或建议,请联系: % QQ:287316845 % E-mail:yuthreestone@163.com %---------------------------BP_Demo功能------------------------------------ % 支持手动输入数据和从外部导入数据两种方式; % 用户可以自定义训练集和测试集占全部数据的百分比,设定完成后,软件随机产生训练集 % 和测试集; % 支持归一化和不归一化两种数据预处理方式; % 用户可以自定义网络的结构参数和训练参数; % 具有绘图功能,可以对比测试集的真实值与预测值; % 支持网络及数据的保存; % 具有菜单选项,用户可以通过菜单执行相应的操作; % 具有右键功能,用户可以通过右键快速执行相应的操作; %--------------------------BP_Demo使用说明---------------------------------- %--------------------------从外部导入数据----------------------------------- % 勾选“从外部导入数据”前的复选框,会弹出数据导入对话框,选择需导入的数据即可 % (注意,在该版本中,对导入的数据有一定的格式要求,即一列对应一个样本) % 导入数据有两种格式,struct结构数据只能结合导入的网络进行仿真测试,无法训练 % 非struct结构数据可以进行训练 %--------------------------手动输入数据------------------------------------- % 手动输入时需注意,一列对应一个样本。 %---------------------自定义训练集占全部数据的百分比------------------------- % 用户可以拖动滑块,或点击滑块两端的箭头,定义训练集占全部数据的百分比 % 剩余数据为测试集 % 默认的训练集占全部数据的百分比为70% % 该功能仅在从外部导入数据时有效,手动输入数据时不支持该功能 %----------------------------数据归一化------------------------------------- % 用户可以通过设定单选按钮的值选择是否需要对数据进行归一化 % 当从外部导入struct结构数据时,该功能不可用 %----------------------------网络结构参数设置------------------------------- % 用户可以自定义网络结构参数 % 默认的网络结构参数为:隐含层神经元个数――10 输入层-隐含层传递函数――tansig 隐含层-输出层传递函数――purelin 学习函数――trainlm % 当从外部导入struct结构数据时,该功能不可用 %----------------------------网络训练参数设置------------------------------- % 用户可以自定义网络训练参数 % 默认的网络训练参数为:最大训练次数epochs――1000 显示间隔show――10 训练目标goal――0.001 学习率lr――0.01 % 当从外部导入struct结构数据时,该功能不可用 %---------------------------------按钮------------------------------------- % 训练网络――利用输入的数据和设定的参数进行训练,当从外部导入struct结构数据时, % 该功能不可用 % 仿真测试――利用训练好的网络对测试集数据进行仿真,同时输入仿真结果和绘图 % 保存网络――保存训练好的网络以便以后使用 % 退出――退出BP_Demo %------------------------------File菜单------------------------------------ % Import Data――导入全部数据,与“从外部导入数据”复选框功能相同 % Import Network――导入训练好的网络 % Export Data――导出struct结构数据,分别是P_train,T_train,P_test,T_test,T_sim % (说明:配合使用Export Data、Import Data与Import Network,可以直接进行 % 仿真测试,跳过网络训练) % Export Network――导出训练好的网络,与“保存网络”按钮功能相同 % Exit――退出BP_Demo,与“退出”按钮功能相同 %-------------------------------Edit菜单----------------------------------- % Copy Figure――导出图像 % Clear Text――清空“训练集数据”、“测试集数据”、“仿真输出Y”面板中的数据 % 该功能仅在手动输入数据,即“从外部导入数据”复选框未被勾选时有效 % Clear Figure――清除图像 %--------------------------------Help菜单---------------------------------- % BP_Demo Help――弹出“readme.txt” % About BP_Demo――弹出“About”对话框,点击“close”返回主界面 %---------------------------------右键功能--------------------------------- % 图像有“Save Figure As”和“Clear Figure”两个右键功能,分别与“Copy Figure” % 菜单和“Clear Figure”菜单功能相同 % “训练集数据”、“测试集数据”、“仿真输出Y”面板中的五个文本框具有“Save Variable As” % 和“Clear Variable Text As”两个右键功能,其中“Save Variable As”可以将该 % 文本框中的数据导出,“Clear Variable Text As”与“Clear Text”菜单功能相同 % (注意,该右键功能仅在文本框可编辑时有效) %--------------------------------提示信息---------------------------------- % 当拖动滑块小于0.1时,会弹出警告对话框,提示“训练集数据太少” % 当隐含层神经元个数不是正整数时,会弹出警告对话框,设定神经元个数小于2或大于100 % 时,也会弹出警告对话框 % 当最大训练次数epochs不是正整数时,会弹出警告对话框,设定值小于5时,也会弹出 % 警告对话框 % 当显示间隔show不是正整数时,会弹出警告对话框 % 当训练目标goal不是正数时,会弹出警告对话框,设定值小于10^(-10)或大于1时,也会弹出 % 警告对话框 % 当学习率不是介于0-1之间时,会弹出警告对话框 %--------------------------------存在问题---------------------------------- % 图像保存时legend丢失 % 如何实时显示训练过程?

近期下载者

相关文件


收藏者