Código fuente de clasificación BP

La caja de herramientas de redes neuronales de Matlab proporciona una serie de comandos de funciones para construir y entrenar modelos de redes neuronales de bp. Es difícil explicarlos todos a la vez. El siguiente es sólo un ejemplo para enumerar algunos usos de algunas funciones. Para obtener más funciones y usos, consulte atentamente la documentación de ayuda de Neural Network Toolbox.

Ejemplo: utilice el modelo de red neuronal bp para establecer un modelo de z=sin(x y) y probar el efecto.

Paso 1. Se generan aleatoriamente 200 puntos de muestreo para el entrenamiento.

x=unifrnd(-5,5,1,200);

y=unifrnd(-5,5,1,200);

z = sin(x y );

Paso 2. Construya un modelo de red neuronal. El primer parámetro es el rango de los datos de entrada, el segundo parámetro es el número de neuronas en cada capa y el tercer parámetro es el tipo de función de transferencia en cada capa.

n = newff([-5 5;-5 5], [5, 5, 1], { 'tansig', 'tansig', 'prelin' }); >Paso 3. capacitación. Aquí se utiliza la función de entrenamiento por lotes. También puede utilizar la función de Adaptación para el entrenamiento de crecimiento.

N=tren(N,[x;y],z);

Paso 4. Resultados del entrenamiento de prueba.

[X, Y]=meshgrid(linspace(-5, 5))

Z=sim(N, [X(:), Y(:)]') ;

Mi suposición

mesh(X, Y, shape(Z, 100, 100));

Espera

trama3(x, y, z, '.')