matlab编程关于BP算法的问题
2024-05-17 13:48
1. matlab编程关于BP算法的问题
clear
P=[...]%输入
T=[...]%输出
% 创建一个新的前向神经网络
net_1=newff(minmax(P),[10,1],{'tansig','purelin'},'traingdm');
% 当前输入层权值和阈值
inputWeights=net_1.IW{1,1};
inputbias=net_1.b{1};
% 当前网络层权值和阈值
layerWeights=net_1.LW{2,1};
layerbias=net_1.b{2};
% 设置训练参数
net_1.trainParam.show = 50;
net_1.trainParam.lr = 0.05;
net_1.trainParam.mc = 0.9;
net_1.trainParam.epochs = 1000;
net_1.trainParam.goal = 1e-3;
% 调用 TRAINGDM 算法训练 BP 网络
[net_1,tr]=train(net_1,P,T);
% 对 BP 网络进行仿真
A = sim(net_1,P);
% 计算仿真误差
E = T - A;
MSE=mse(E)
x=[1 2 3]'
sim(net_1,x)
2. bp神经网络股票价格预测的MATLAB编程
P=[];‘输入，开盘价，最高价，最低价，收盘价成交量依次5天的数据’
T=[];’输出，即第二日的收盘’
net=newff(minmax(P),[7,1],{'tansig','logsig'},'traingdx');
net.trainParam.epochs=1000; ‘最大训练次数，根据需要可自行调节’
net.trainParam.goal=0.01; ‘误差’
net.trainParam.lr=0.01; ‘学习率’
net=train(net,P,T); ‘训练网络’
test=[];‘待预测数据输入’
out=sim(net,test); ‘仿真预测’
我的这个程序没有进行初始化，你还需要先将数据进行初始化后才能算。
3. 用matlab实现bp算法，对样本进行训练
P=[5.700 3.800 0.3175 2.33;
4.550 3.050 0.3175 2.33;
2.950 1.950 0.3175 2.33;
1.950 1.300 0.3175 2.33;
1.400 0.900 0.3175 2.33;
1.200 0.800 0.3175 2.33;
1.050 0.700 0.3175 2.33;
1.700 1.100 0.9525 2.33;
1.700 1.100 0.1524 2.33;
4.100 4.140 0.1524 2.50;
10.80 4.140 0.1524 2.50;
0.850 1.290 0.0170 2.22;
2.000 2.500 0.0790 2.22;
1.063 1.183 0.0790 2.55;
0.910 1.000 0.1270 10.2;
1.720 1.860 0.1570 2.33;
1.270 1.350 0.1630 2.55;
1.500 1.621 0.1630 2.55;
1.120 1.200 0.2420 2.55;
1.403 1.485 0.2520 2.55;
1.530 1.630 0.3000 2.50;
0.905 1.018 0.3000 2.50;
1.170 1.280 0.3000 2.50;
0.776 1.080 0.3300 2.55;
0.790 1.255 0.4000 2.55;
0.987 1.450 0.4500 2.55;
0.814 1.440 0.4760 2.55;
0.970 1.620 0.5500 2.55;
1.200 1.970 0.6260 2.55;
0.783 2.300 0.8540 2.55;
0.974 2.620 0.9520 2.55;
1.020 2.640 0.9520 2.55;
0.883 2.676 1.0000 2.55;
0.777 2.835 1.1000 2.55;
0.920 3.130 1.2000 2.55;
1.265 3.500 1.2810 2.55;
1.080 3.400 1.2810 2.55];
%输入
T=[ 2310;
2890;
4240;
5840;
7700;
8270;
9140;
4730;
7870;
2228;
2181;
7740;
3970;
7730;
4600;
5060;
6560;
5600;
7050;
5800;
5270;
7990;
6570;
8000;
7134;
6070;
6380;
5990;
4660
4600;
3980;
3900;
3980;
3900;
3470;
2980;
3150];
%输出
P=P';
T=T';
% 创建一个新的前向神经网络
net_1=newff(minmax(P),[10,1],{'tansig','purelin'},'traingdm');
% 当前输入层权值和阈值
inputWeights=net_1.IW{1,1}
inputbias=net_1.b{1}
% 当前网络层权值和阈值
layerWeights=net_1.LW{2,1}
layerbias=net_1.b{2}
% 设置训练参数
net_1.trainParam.show = NaN;
net_1.trainParam.lr = 0.05;
net_1.trainParam.mc = 0.9;
net_1.trainParam.epochs = 10000;
net_1.trainParam.goal = 1e-6;
% 调用 TRAINGDM 算法训练 BP 网络
[net_1,tr]=train(net_1,P,T)
4. 用matlab实现bp算法，对样本进行预测
copy来的： lc; P=[110 0.807 240 0.2 15 1 18 2 1.5; 110 2.865 240 0.1 15 2 12 1 2; 110 2.59 240 0.1 12 4 24 1 1.5; 220 0.6 240 0.3 12 3 18 2 1; 220 3 240 0.3 25 3 21 1 1.5; 110 1.562 240 0.3 15 3 18 1 1.5; 110 0.547 240 0.3 15 1 9 2 1.5]; %110 1.318 300 0.1 15 2 18 1 2]; T=[54248 162787 168380 314797; 28614 63958 69637 82898; 86002 402710 644415 328084; 230802 445102 362823 335913; 60257 127892 76753 73541; 34615 93532 80762 110049; 56783 172907 164548 144040]; %40907 117437 120368 130179]; m=max(max(P)); n=max(max(T)); P=P'/m; T=T'/n; %-------------------------------------------------------------------------% pr(1:9,1)=0; %输入矢量的取值范围矩阵 pr(1:9,2)=1; bpnet=newff(pr,[12 4],, 'traingdx', 'learngdm'); %建立BP神经网络， 12个隐层神经元，4个输出神经元 %tranferFcn属性 'logsig' 隐层采用Sigmoid传输函数 %tranferFcn属性 'logsig' 输出层采用Sigmoid传输函数 %trainFcn属性 'traingdx' 自适应调整学习速率附加动量因子梯度下降反向传播算法训练函数 %learn属性 'learngdm' 附加动量因子的梯度下降学习函数 net.trainParam.epochs=1000;%允许最大训练步数2000步 net.trainParam.goal=0.001; %训练目标最小误差0.001 net.trainParam.show=10; %每间隔100步显示一次训练结果 net.trainParam.lr=0.05; %学习速率0.05 bpnet=train(bpnet,P,T); %------------------------------------------------------------------------- p=[110 1.318 300 0.1 15 2 18 1 2]; p=p'/m; r=sim(bpnet,p); R=r'*n; display(R);
5. 如何用MATLAB的BP神经网络做股票预测?
算法选择问题，我觉得3层够了吧，但是多少个节点看数据量了！训练过程算法选择也很重要！主要是这里个关键点吧
6. 用matlab解决BP神经网络算法
我给你几个例子吧
%网络输入,每列代表一个样本
P=[-1.7817 -0.2786 -0.2954 -0.2394 -0.1842 -0.1572 -0.1584 -0.1998;
-1.8710 -0.2957 -0.3494 -0.2904 -0.1460 -0.1387 -0.1492 -0.2228;
-1.8347 -0.2817 -0.3566 -0.3476 -0.1820 -0.1435 -0.1778 -0.1849;
-1.8807 -0.2467 -0.2316 -0.2419 -0.1938 -0.2103 -0.2010 -0.2533;
-1.4151 -0.2282 -0.2124 -0.2147 -0.1271 -0.0680 -0.0872 -0.1684;
-1.2879 -0.2252 -0.2012 -0.1298 -0.0245 -0.0390 -0.0762 -0.1672;
-1.5239 -0.1979 -0.1094 -0.1402 -0.0994 -0.1394 -0.1673 -0.2810;
-1.6781 -0.2047 -0.1180 -0.1532 -0.1732 -0.1716 -0.1851 -0.2006;
0.1605 -0.0920 -0.0160 0.1246 0.1802 0.2087 0.2234 0.1003;
0.2045 0.1078 0.2246 0.2031 0.2428 0.2050 0.0704 0.0403;
-1.0242 -0.1461 -0.1018 -0.0778 -0.0363 -0.0476 -0.0160 -0.0253;
-0.7915 -0.1018 -0.0737 -0.0945 -0.0955 0.0044 0.0467 0.0719];
T=[0 1;0 1;0 1;0 1;1 0;1 0;1 0;1 0;1 1;1 1;1 1;1 1]; %
P=P';
T=T';
net=newff(minmax(P),[17,2],{'tansig','logsig'},'trainlm');
net.trainParam.epochs=50;
net.trainParam.goal=0.001;
net=train(net,P,T);
P_test=[-1.4736 -0.2845 -3.0724 -0.2108 -0.1904 -0.1467 -0.1696 -0.2001;
-1.6002 -0.2011 -0.1021 -0.1394 -0.1001 -0.1572 -0.1584 -0.2790;
-1.0314 -0.1521 -0.1101 -0.0801 -0.0347 -0.0482 -0.0158 -0.0301]';
Y=sim(net,P_test)
7. matlab中bp算法怎么预测
预测什么？BP算法主要是在训练过程，训练数据越多，将来预测的结果越准。
8. BP神经网络MATLAB编程。
隐层个数及训练次数可以在定义网络时自己设定，图形的话是系统自己生成的.
题目的意思是00得到0，01得到1,10得到1,11得到0。前者为输入，后者为输出.
所以就这样构造:
%输入 一共四组，每组两个
p=[0,0;0,1;1,0;1,1];
%输出：
t=[0,1,1,0]；
构造神经网络:
net=newff(p',t,{10},{'tansig'}，'trainlm');
%上面这句话的意思是建立新的神经网络net，newff(输入，输出，{隐层数量及该层的节点个数}，{传输函数名}，训练函数)；{10}代表单隐层，并且该层节点为10个，如果想显示多隐层，比如双隐层，{10,15}这样就行，传输函数也要相应增加，比如{'tansig','logsig'}节点数和传输函数名可以随意调整，目的当然是让预测结果更精确
%之后，
net.trainParam.goal = 0.00001; %设置精确度
net.trainParam.epochs = 5000; %设置训练次数，5000次
[net,tr] = train(net,p',t); %训练开始
。。。。。。。。
这样就可以训练了,过几秒后图片matlab会自动生成
最后想测试训练结果的话，比如你想打00进去看它是不是也给0
p=[0 0];
a=sim(net,p')
。。。sim就是让net去预测结果
差不多就是这样，我用的是2009a版本，有段时间没用了可能格式上稍微有点出入，希望可以帮到你
最新文章
热门文章
推荐阅读