matlab BP神经网络训练程序求解释

楼主解决没？这是我知道的

[pn,minp,maxp,tn,mint,maxt]=premnmx(p,t)%归一化数据，方便后面的预测

net.trainParam. show = 100 %这里的show是显示步数，每100步显示一次

net.trainParam.goal=0.0001%目标误差，训练得到的数据和原始输入

net.trainParam.lr = 0.01 %lr是学习动量，一般越小越好

y1=sim(net,pn) %sim用来预测的

xlswrite('testdata6',tnew1) ？这里的testdata6是excel表格的名称

你可以看看书的，书上都有介绍

这是BP神经网络的特征维和样本输入建立关系；

1 for hh=1:30

p((hh-1)*30+1:(hh-1)*30+30,pcolum+1)=p1(hh,1:30)

end

//总共有pcolum个样本，每个样本有30维特征值；依次循环送入记录特征值的矩阵p中，

2 switch pcolum 用于把样本的值送入教师矩阵t中；样本按0～49顺序输入；对应5组0～9，比方第一个case中告诉t在0～49中那些属于“数字0”；

总的来说t值对应不同的p取1～9

也就是说这段程序的中心目的是把p( 特征维,pcolum)与对应的输出t（pcolum）对应起来，之后再把p和t送入BP网络中训练

主要看你p1是怎么来的；估计是把原始手写体分成粗网格；即p1是一个30×30的矩阵，p是一个900×50的矩阵；其列为输入的50个手写体；行为900个网格的值；

for hh=1:30

p((hh-1)*30+1:(hh-1)*30+30,pcolum+1)=p1(hh,1:30)

end

这段程序其实就是把2维的p1放入到p的一行里面去；把30×30的矩阵换成900×1

的形式。

你去搜索下 粗网格/BP神经 ，具体看你前面的p1是怎么来的；可能你这30×30的矩阵就是30×30大小的手写体二值化图像每个像素上的值

---