matlab实现BP神经网络(完整DEMO)
本站原创文章，转载请说明来自《老饼讲解-BP神经网络》bp.bbbdata.com
目录
一、BP神经网络Demo代码
1.1 代码整体思路
1.2 BP神经网络Demo代码
二、运行结果
2.1 拟合曲线
2.2训练误差与预测误差
三、相关文章
3.1-BP的入门学习目录：老饼|BP神经网络-入门教程
3.2-BP的建模应用目录：老饼|BP神经网络-建模应用
3.3-不调用工具箱自实现BP神经网络：老饼|BP神经网络-BP算法重现
本文展示一个日常使用BP神经网络时用于参考的代码DEMO模板
一、BP神经网络Demo代码
这里提供一个相对全面的DEMO作为模板，
方便日常使用BP神经网络时复制
1.1 代码整体思路
代码整体思路如下
1、生成数据
2、设置一个三层的BP网络，并将隐节点设为3
3、训练网络
4、网络效果评估
(1) 打印训练数据、测试数据的平均绝对误差、平均绝对误差占比
(2) 绘制训练数据、测试数据的拟合效果
5、使用训练好的网络对数据进行预测
1.2 BP神经网络Demo代码
具体代码如下(matlab2018a亲测已通过)
clear all;
close all ;
%================原始数据====================
x1 = linspace(-3,3,100); % 在[-3，3]之间线性生成100个数据
x2 = linspace(-2,1.5,100); % 在[-2，1.5]之间线性生成100个数据
X = [x1;x2]; % 将x1,x2作为输入数据
y1 = 10*sin(x1)+0.2*x2.*x2; % 生成y1
y2 = 10*sin(x2)+0.2*x1.*x1; % 生成y2
y = [y1;y2]; % y里包含两个输出y1,y2
setdemorandstream(88); % 老饼为了每次运行的结果一致设定随机种子，实际中可以去掉
%==============网络训练 ============================
%使用用输入输出数据（X,y）建立网络，
%隐节点个数设为3.其中输入层到隐层、隐层到输出层的节点分别为tansig和purelin，使用trainlm方法训练。
net = newff(X,y,3,{'tansig','purelin'},'trainlm');
%设置一些常用关键参数
net.trainparam.goal = 0.00001; % 训练目标：均方误差低于0.0001
net.trainparam.show = 400; % 每训练400次展示一次结果
net.trainparam.epochs = 15000; % 最大训练次数：15000.
net.divideParam.trainRatio = 0.7; % 用于训练的数据比例
net.divideParam.valRatio = 0.15 ; % 用于验证过拟合的数据比例
net.divideParam.testRatio = 0.15; % 用于比例
net.trainparam.max_fail = 6; % 过拟合验证失败次数
[net,tr,net_y] = train(net,X,y); % 调用matlab神经网络工具箱自带的train函数训练网络y，net返回
% ===========网络效果评估==================================
% 提取训练数据与测试数据
train_net_y = net_y(:,tr.trainInd); % 训练数据的预测值
test_net_y = net_y(:,tr.testInd); % 测试数据的预测值
train_y = y(:,tr.trainInd); % 训练数据的真实值
test_y = y(:,tr.testInd); % 测试数据的真实值
% 计算误差
train_err = mean(abs(train_net_y(:)-train_y(:))) % 训练数据的误差
test_err = mean(abs(test_net_y(:)-test_y(:))) % 测试数据的误差
train_err_rate = mean(abs((train_net_y(:)-train_y(:))./train_y(:))) % 训练数据的误差比
test_err_rate = mean(abs((test_net_y(:)-test_y(:))./test_y(:))) % 测试数据的误差比
% 绘制拟合曲线图
figure
[out_size,sample_num] = size(y); % 输出的个数,样本个数
for i = 1 : out_size
% 绘制训练数据第i个输出的拟合效果
subplot(out_size,2,(i-1)*2+1);
title(['训练数据-第',num2str(i),'个输出的拟合效果'])
hold on
plot(1:size(train_y,2),train_y(i,:),'b')
plot(1:size(train_net_y,2),train_net_y(i,:),'r')
% 绘制测试数据第i个输出的拟合效果
subplot(out_size,2,(i-1)*2+2);
title(['测试数据-第',num2str(i),'个输出的拟合效果'])
hold on
plot(1:size(test_y,2),test_y(i,:),'b')
plot(1:size(test_net_y,2),test_net_y(i,:),'r')
end %=============网络对新输入的使用==========================
sim_y = sim(net,X); % 实际与上面的net_y一致
以上就是一个完整的matlab实现BP神经网络Demo代码了
使用时主要修改的有方法
1. 建模的数据
2. 隐节点的个数
3. 训练参数根据需要进行选择悸修改
二、运行结果
运行结果如下
2.1 拟合曲线
2.2训练误差与预测误差
从结果可以看到，训练数据效果和测试数据效果都不错