www.pudn.com > AnnInMat.rar > MyBPN.m

%标准BP算法实现 
clc 
close all 
clear all 
 
InDim=2;%样本输入维数 
OutDim=3;% 样本输出维数 
figure 
title('训练样本');echo off 
axis([-2,2,-2,2]);axis on;grid 
xlabel('SamIn x'); 
ylabel('SamIn y'); 
line([-1 1],[1 1]) 
line([1 -1],[1 0]) 
line([-1 -1],[0 1]) 
line([-1 1],[-0.5 -0.5]) 
line([-1 1],[-1.5 -1.5]) 
line([1 1],[-0.5 -1.5]) 
line([-1 -1],[-0.5 -1.5]) 
hold on 
SamNum=200;%训练样本数 
%rand('state',sum(100*clock)) 
SamIn=(rand(2,SamNum)-0.5)*4;% 随机产生200个[-2,2]区间样本输入 
SamOut=[]; 
for i=1:SamNum 
    Sam=SamIn(:,i); 
    x=Sam(1,1); 
    y=Sam(2,1); 
    if((x>-1)&(x<1))==1 
        if ((y>x/2+1/2)&(y<1))==1 
            plot(x,y,'r+') 
            class=[0 1 0]'; 
        elseif((y<-0.5)&(y>-1.5))==1 
            plot(x,y,'rs') 
            class=[0 0 1]'; 
        else 
            plot(x,y,'ro') 
            class=[1 0 0]'; 
        end 
    else 
        plot(x,y,'ro') 
        class=[1 0 0]'; 
    end 
    SamOut=[SamOut class];                  %得到样本对应的类别属性 
end 
HiddenUnitNum=10;%隐节点数 
MaxEpochs=10000;%最大训练次数 
lr=0.1;%学习率 
E0=0.01;%目标误差 
W1=0.2*rand(HiddenUnitNum,InDim)-0.1;   %隐层权值初始化 
B1=0.2*rand(HiddenUnitNum,1)-0.1;   %隐层阈值 
W2=0.2*rand(OutDim,HiddenUnitNum)-0.1;  %输出层权值 
B2=0.2*rand(OutDim,1)-0.1;  %输出层阈值 
W1Ex=[W1 B1]; 
W2Ex=[W2 B2]; 
SamInEx=[SamIn' ones(SamNum,1)]'; 
ErrHistory=[]; 
for EndEpochs=1:MaxEpochs %正向传播计算网络输出 
    HiddenOut=logsig(W1Ex*SamInEx);%计算隐含层各神经元输出 
    HiddenOutEx=[HiddenOut' ones(SamNum,1)]'; 
    NetworkOut=logsig(W2Ex*HiddenOutEx);%计算输出层各神经元输出 
    % 停止学习判断 
    Error=SamOut-NetworkOut; 
    SSE=sumsqr(Error); %平方和 
    %记录每次权值调整后的训练误差 
    ErrHistory=[ErrHistory,SSE]; 
    if SSE-1)&(x<1))==1 
        if ((y>x/2+1/2)&(y<1))==1 
            class = 2; 
        elseif((y<-0.5)&(y>-1.5))==1 
            class = 3; 
        else 
            class = 1; 
        end 
    else 
        class = 1; 
    end 
    TestSamOut = [TestSamOut class]; 
end 
Result = ~abs(nnclass-TestSamOut);       % 正确分类显示为1 
Percent = sum(Result)/length(Result)   % 正确分类率 
SSE