資源簡介
在人工神經網絡的實際應用中，BP網絡廣泛應用于函數逼近、模式識別/分類、數據壓縮等，80%~90%的人工神經網絡模型是采用BP網絡或它的變化形式，它也是前饋網絡的核心部分，體現了人工神經網絡最精華的部分。
代碼片段和文件信息
%構建訓練樣本中的輸入向量p
p1=[1739.94?373.3?1756.77?864.45?222.85?877.88?1803.58;
???1675.15?3087.05?1652?1647.31?3059.54?2031.66?1583.12;
???2395.96?2429.47?1514.98?2665.9?2002.33?3071.18?2163.05];
p2=[2352.12?401.3?363.34?1571.17?104.8?499.85?2297.28;
????2557.04?3259.94?3477.95?1731.04?3389.83?3305.75?3340.14;
????1411.53?2150.98?2462.86?1735.33?2421.83?2196.22?535.62];
p3=[2092.62?1418.79?1845.59?2205.36?2949.16?1692.62?1680.67;
????3177.21?1775.89?1918.81?3243.74?3244.44?1867.5?1575.78;
????584.32?2772.9?2226.49?1202.69?662.42?2108.97?1725.1];
p4=[2802.88?172.78?2063.54?1449.58?1651.52?341.59?291.02?237.63;
???3017.11?3084.49?3199.76?1641.58?1713.28?3076.62?3095.68?3077.78;
??1984.98?2328.65?1257.21?3405.12?1570.38?2438.63?2088.95?2251.96];
p=[p1?p2?p3?p4];
%構建訓練樣本中的目標向量t
t1=[0?1?0?0?1?0?0;
????1?0?1?0?0?0?1;
????0?0?0?0?0?0?0;
????0?0?0?1?0?1?0];
t2=[0?1?1?0?1?1?0;
????1?0?0?1?0?0?0;
????0?0?0?0?0?0?1;
????0?0?0?0?0?0?0];
t3=[0?0?0?0?0?0?0;
????0?0?1?0?0?1?1;
????1?0?0?1?1?0?0;
????0?1?0?0?0?0?0];
t4=[0?1?0?0?0?1?1?1;
????0?0?0?0?1?0?0?0;
????1?0?1?0?0?0?0?0;
????0?0?0?1?0?0?0?0];
???t=[t1?t2?t3?t4];
%創建一個BP網絡，隱含層有9個神經元評論
共有 條評論
川公網安備 51152502000135號