BP神经网络的设计实例(MATLAB编程)

BP神经网络的设计实例(MATLAB编程):例1 采用动量梯度下降算法训练 BP 网络。 
训练样本定义如下： 
输入矢量为     
 p =[-1 -2 3  1  
     -1  1 5 -3] 
目标矢量为   t = [-1 -1 1 1] 
解：本例的 MATLAB 程序如下：  

close all  
clear  
echo on  
clc  
% NEWFF——生成一个新的前向神经网络  
% TRAIN——对 BP 神经网络进行训练  
% SIM——对 BP 神经网络进行仿真  
pause         
%  敲任意键开始  
clc  
%  定义训练样本  
% P 为输入矢量  
P=[-1,  -2,    3,    1;       -1,    1,    5,  -3]; 
% T 为目标矢量  
T=[-1, -1, 1, 1];  
pause;  
clc  
%  创建一个新的前向神经网络  
net=newff(minmax(P),[3,1],{'tansig','purelin'},'traingdm') 
%  当前输入层权值和阈值  
inputWeights=net.IW{1,1}  
inputbias=net.b{1}  
%  当前网络层权值和阈值  
layerWeights=net.LW{2,1}  
layerbias=net.b{2}  
pause  
clc  
%  设置训练参数  
net.trainParam.show = 50;  
net.trainParam.lr = 0.05;  
net.trainParam.mc = 0.9;  
net.trainParam.epochs = 1000;  
net.trainParam.goal = 1e-3;  
pause  
clc  
%  调用 TRAINGDM 算法训练 BP 网络  
[net,tr]=train(net,P,T);  
pause  
clc  
%  对 BP 网络进行仿真  
A = sim(net,P)  
%  计算仿真误差  
E = T - A  
MSE=mse(E)  
pause