close?all?
clear?all?
clc?
web?-browser?http://www.ilovematlab.cn/thread-220251-1-1.html
x=xlsread（‘training_data.xls‘[‘B2:G401‘]）;?
y=xlsread（‘training_data.xls‘[‘I2:K401‘]）;?
inputs?=?x‘;?
targets?=?y‘;

%?創(chuàng)建一個模式識別網(wǎng)絡(luò)（兩層BP網(wǎng)絡(luò)），同時給出中間層神經(jīng)元的個數(shù)，這里使用20
hiddenlayerSize?=?20;
net?=?patternnet（hiddenlayerSize）;

%?對數(shù)據(jù)進行預(yù)處理，這里使用了歸一化函數(shù)（一般不用修改）
%?For?a?list?of?all?processing?functions?type:?help?nnprocess
net.inputs{1}.processFcns?=?{‘removeconstantrows‘‘mapminmax‘};
net.outputs{2}.processFcns?=?{‘removeconstantrows‘‘mapminmax‘};


%?把訓(xùn)練數(shù)據(jù)分成三部分，訓(xùn)練網(wǎng)絡(luò)、驗證網(wǎng)絡(luò)、測試網(wǎng)絡(luò)
%?For?a?list?of?all?data?division?functions?type:?help?nndivide
net.divideFcn?=?‘dividerand‘;??%?Divide?data?randomly
net.divideMode?=?‘sample‘;??%?Divide?up?every?sample
net.divideParam.trainRatio?=?70/100;
net.divideParam.valRatio?=?15/100;
net.divideParam.testRatio?=?15/100;

%?訓(xùn)練函數(shù)
%?For?a?list?of?all?training?functions?type:?help?nntrain
net.trainFcn?=?‘trainlm‘;??%?Levenberg-Marquardt

%?使用均方誤差來評估網(wǎng)絡(luò)
%?For?a?list?of?all?performance?functions?type:?help?nnperformance
net.performFcn?=?‘mse‘;??%?Mean?squared?error

%?畫圖函數(shù)
%?For?a?list?of?all?plot?functions?type:?help?nnplot
net.plotFcns?=?{‘plotperform‘‘plottrainstate‘‘ploterrhist‘?...
??‘plotregression‘?‘plotfit‘};


%?開始訓(xùn)練網(wǎng)絡(luò)（包含了訓(xùn)練和驗證的過程）
[nettr]?=?train（netinputstargets）;

%?測試網(wǎng)絡(luò)
outputs?=?net（inputs）;
errors?=?gsubtract（targetsoutputs）;
performance?=?perform（nettargetsoutputs）

%?獲得訓(xùn)練、驗證和測試的結(jié)果
trainTargets?=?targets?.*?tr.trainMask{1};
valTargets?=?targets??.*?tr.valMask{1};
testTargets?=?targets??.*?tr.testMask{1};
trainPerformance?=?perform（nettrainTargetsoutputs）
valPerformance?=?perform（netvalTargetsoutputs）
testPerformance?=?perform（nettestTargetsoutputs）

%?可以查看網(wǎng)絡(luò)的各個參數(shù)
view（net）

%?根據(jù)畫圖的結(jié)果，決定是否滿意
%?Uncomment?these?lines?to?enable?various?plots.
figure?plotperform（tr）
figure?plottrainstate（tr）
figure?plotconfusion（targetsoutputs）
figure?ploterrhist（errors）


%如果你對該次訓(xùn)練滿意，可以保存訓(xùn)練好網(wǎng)絡(luò)
save（‘training_net.mat‘‘net‘‘tr‘）;

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????目錄???????????0??2013-03-22?20:35??BP\
?????文件???????30369??2013-03-22?19:14??BP\training_data.xls
?????文件????????2238??2013-03-22?19:09??BP\Training_NPR.m
?????文件?????????600??2013-03-22?19:10??BP\Use_For_Predict.m