MATLAB中BP神经网络的训练算法具体是怎么样的

先用newff函数建立网络，再用train函数训练即可。

1）正向传播：输入样本－>输入层－>各隐层（处理）－>输出层

注1：若输出层实际输出与期望输出（教师信号）不符，则转入2）（误差反向传播过程）

2）误差反向传播：输出误差（某种形式）－>隐层（逐层）－>输入层

其主要目的是通过将输出误差反传，将误差分摊给各层所有单元，从而获得各层单元的误差信号，进而修正各单元的权值（其过程，是一个权值调整的过程）。

BP算法实现步骤（软件）：

1）初始化

2）输入训练样本对，计算各层输出

3）计算网络输出误差

4）计算各层误差信号

5）调整各层权值

6）检查网络总误差是否达到精度要求

满足，则训练结束；不满足，则返回步骤2）

注：改进算法—增加动量项、自适应调整学习速率（这个似乎不错)及引入陡度因子。

%% BP算法

function Out=bpnet(p,t,p_test)

S1=5; 

%threshold=[0 pi/2;0 pi/2];

%net=newff(threshold,[5,2],{'tansig','purelin'},'trainlm');

net=newff(minmax(p),[S1,2],{'tansig','purelin'},'trainlm');

%net=newff(P,T,5,{'tansig','purelin'},'trainlm');%新版用法

nettrainParamepochs=1000;

nettrainParamgoal=000001;

nettrainParamlr=001;

nettrainParamshowWindow = false;      %阻止训练窗口的d出

nettrainParamshowCommandLine = false; %阻止训练窗口的d出

net=train(net,p,t);

Out=sim(net,p_test);

end

上次那个问题也是你问的吧？

把上次产生的p和t，用mapminmax函数进行归一化后，传递给这个函数即可，测试的p也可以现在就加进去。

BP（Back Propagation）神经网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hidden layer)和输出层(output layer)。

贴出的代码比较少，从贴出的代码来看，trtestMask{1}的{1}代表trtestMask是一个cell格式，{1}是cell中的第一个元素。

因为matlab的工具箱中，通常会储存很多信息，信息格式不同，就要用cell来存储，

楼主可以打开trtestMask来看看其它trtestMask{2}，trtestMask{3}里存的什么信息，可能能推出trtestMask{1}的实际意思。

楼主的程序最好全部贴出，数据也贴出 这样才能知道它的具体意思。

纯手打