Matlab的BP神经网络各种不同算法程序教案资料.doc

《Matlab的BP神经网络各种不同算法程序教案资料.doc》由会员分享，可在线阅读，更多相关《Matlab的BP神经网络各种不同算法程序教案资料.doc（8页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、Good is good, but better carries it.精益求精，善益求善。Matlab的BP神经网络各种不同算法程序-Matlab的BP神经网络各种不同算法程序1:一般模式的BP:clcP=-1-122;0505;T=-1-111;net=newff(minmax(P),3,1,tansig,purelin,traingd);net.trainParam.show=50;net.trainParam.lr=0.05;net.trainParam.epochs=300;net.trainParam.goal=1e-5nettr=train(net,P,T);2：加入动量的BPc

2、lcP=-1-122;0505;T=-1-111;net=newff(minmax(P),3,1,tansig,purelin,traingdm);net.trainParam.show=10000;net.trainParam.lr=0.05;net.trainParam.mc=0.9;net.trainParam.epochs=10000;net.trainParam.goal=1e-5*100nettr=train(net,P,T);3：自适应LR变步长：clcP=-1-122;0505;T=-1-111;net=newff(minmax(P),3,1,tansig,purelin,tr

3、aingda);net.trainParam.show=10000;net.trainParam.lr=0.05;net.trainParam.lr_inc=1.05;net.trainParam.epochs=10000;net.trainParam.goal=1e-5*100nettr=train(net,P,T);4：弹性梯度法clcP=-1-122;0505;T=-1-111;net=newff(minmax(P),3,1,tansig,purelin,trainrp);net.trainParam.show=10000;net.trainParam.lr=0.05;net.train

4、Param.lr_inc=1.05;net.trainParam.epochs=10000;net.trainParam.goal=1e-5*100nettr=train(net,P,T);5：共轭梯度1clcP=-1-122;0505;T=-1-111;net=newff(minmax(P),3,1,tansig,purelin,traincgf);net.trainParam.show=10000;net.trainParam.lr=0.05;net.trainParam.lr_inc=1.05;net.trainParam.epochs=10000;net.trainParam.goal

5、=1e-5*100nettr=train(net,P,T);6：共轭梯度2clcP=-1-122;0505;T=-1-111;net=newff(minmax(P),3,1,tansig,purelin,traincgp);net.trainParam.show=10000;net.trainParam.lr=0.05;net.trainParam.lr_inc=1.05;net.trainParam.epochs=10000;net.trainParam.goal=1e-5*100nettr=train(net,P,T);7：共轭梯度3clcP=-1-122;0505;T=-1-111;ne

6、t=newff(minmax(P),3,1,tansig,purelin,traincgb);net.trainParam.show=10000;net.trainParam.lr=0.05;net.trainParam.lr_inc=1.05;net.trainParam.epochs=10000;net.trainParam.goal=1e-5*100nettr=train(net,P,T);8：共轭梯度4clcP=-1-122;0505;T=-1-111;net=newff(minmax(P),3,1,tansig,purelin,traincgb);net.trainParam.sho

7、w=10000;net.trainParam.lr=0.05;net.trainParam.lr_inc=1.05;net.trainParam.epochs=10000;net.trainParam.goal=1e-5*100nettr=train(net,P,T);9：拟牛顿法;clcP=-1-122;0505;T=-1-111;net=newff(minmax(P),3,1,tansig,purelin,trainbfg);net.trainParam.show=10000;net.trainParam.lr=0.05;net.trainParam.lr_inc=1.05;net.tra

8、inParam.epochs=10000;net.trainParam.goal=1e-5*100nettr=train(net,P,T);10:一步正割clcP=-1-122;0505;T=-1-111;net=newff(minmax(P),3,1,tansig,purelin,trainoss);net.trainParam.show=10000;net.trainParam.lr=0.05;net.trainParam.lr_inc=1.05;net.trainParam.epochs=10000;net.trainParam.goal=1e-5*100nettr=train(net,P,T);11：levenberg-marquarat:clcP=-1-122;0505;T=-1-111;net=newff(minmax(P),3,1,tansig,purelin,trainlm);net.trainParam.show=10000;net.trainParam.lr=0.05;net.trainParam.lr_inc=1.05;net.trainParam.epochs=10000;net.trainParam.goal=1e-5*100nettr=train(net,P,T);-