MATLAB工具箱BP神经网络应用介绍(2)

MATLAB工具箱bp神经网络应用介绍(1)

在上一篇MATLAB工具箱bp神经网络应用介绍中，已经介绍了traingd函数的使用。这一节将继续介绍MATLABBP神经网络训练函数。

(2)traingda函数
当BP神经网络使用traingd函数和traingdm函数训练时，学习速率在训练过程中保持恒定不变，那么训练结果对学习速率的灵敏度大，不同的学习速率对网络的训练结果影响大，如果学习速率过大，那么网络将变得不稳定，如果学习速率过小，那么网络收敛速度慢，训练时间大大加长。因此，对于给定训练样本和目标样本，必须首先确定最优的学习速率。而traingda函数在人工神经网络训练中采用变学习速率的网络训练算法，可以有效地克服学习速率难以确定的缺点，在训练过程中自适应改变学习速率的大小。

net=newff(minmax(P),[5,1],{'logsig','purelin'},'traingda');
net.trainParam
ans = 
          epochs: 100
            goal: 0
              lr: 0.0100 %学习速率基值
          lr_inc: 1.0500 %学习速率增加率为1.05
          lr_dec: 0.7000 %学习速率减少率为0.7
        max_fail: 5
    max_perf_inc: 1.0400
        min_grad: 1.0000e-006
            show: 25
            time: Inf

在MATLAB命令行窗口中输入以下程序段：

net=newff(minmax(P),[5,1],{'logsig','purelin'},'traingda');
net.trainParam.show = 50;
net.trainParam.lr = 0.1;
net.trainParam.lr_inc = 1.05;
net.trainParam.lr_dec = 0.85;
net.trainParam.epochs = 300;
net.trainParam.goal = 0.01;
[net,tr]=train(net,P,T);
%回代检验
A=sim(net,P);
%测试样本检验
a=sim(net,p);

下图所示为traingda函数bp神经网络训练过程曲线，BP神经网络对测试样本的输出结果为：

TRAINGDA-calcgrad, Epoch 0/300, MSE 0.784702/0.01, Gradient 1.98321/1e-006
TRAINGDA-calcgrad, Epoch 36/300, MSE 0.00993732/0.01, Gradient 0.0156508/1e-006
TRAINGDA, Performance goal met.
a =
    0.4192    0.5750    0.7746

More details could be found in my published book:
MATLAB编程基础与典型应用
北京：人民邮电出版社,2008
ISBN:978-7-115-17932-6/TP
Pls contact me with Email:lhd06@mails.tsinghua.edu.cn

更多MATLAB交流，欢迎访问：

MATLAB工具箱BP神经网络应用介绍(1)

Solve nonlinear least-squares (nonlinear data-fitt...

非线性最小二乘曲线拟和问题

Visual C++中创建MAT文件

Visual C++中使用MATLAB语言C，C++数学函数库

Visual C++中调用MATLAB引擎配置

MATLAB引擎技术介绍

MATLAB里关于集合运算和二进制数的运算的函数

在Matlab图形中怎样输入特殊符号

怎么把Matlab中数组元素写入到文本文档中

在同一个M文件中,怎样实现参数的传递