matlab中BP神经网络的使用方法和实例

有时候在使用matlab进行数据分析和计算的时候，想使用BP神经网络算法，怎么使用呢，下面来分享一下方法

操作方法

（01）第一步我们首先需要了解BP神经网络是一种多层前馈网络,可以进行学习和存储输入输出映射关系，不需要去建立数学方程式，是一种常用的神经网络模型，BP神经网络的构建主要分为三步，如下图所示：

（02）第二步我们可以看一下在matlab中BP神经网络的训练函数，有梯度下降法traingd,弹性梯度下降法trainrp,自适应lr梯度下降法traingda等，如下图所示：

（03）第三步下面我们通过实例来介绍BP神经网络的使用，在matlab中命令行窗口中定义输入P，输出T，·通过“newff(minmax(P),[5,1],{'tansig','purelin'},'trainrp');”构建BP神经网络，“[net,tr]=train(net,P,T);”进行网络训练，“sim(net,P)”得到仿真预测值，完整代码如下图所示：

（04）第四步在命令行窗口按回车键之后，可以看到出现结果弹窗，最上面的Neural Network下面依次代表的是“输入、隐含层、输出层、输出”，隐含层中有5个神经元，Progress下面的Epoch代表迭代次数，Gradient代表梯度，Vaildation Checks代表有效性检查，最后的绿色对勾代表性能目标达成，如下图所示：

（05）第五步我们也可以看一下命令行窗口中的输出结果，X是BP神经网络仿真值，和输出值已经非常逼近了，如下图所示：

（06）第六步我们将实际曲线和预测曲线绘制出来，可以看到使用BP神经网络预测的结果曲线基本和实际输出曲线一致，如下图所示：