matlab绁炵粡缃戠粶缂栫▼,绁炵粡缃戠粶 matlab

bp神经网络算法 在matlab中的实现 5

。

BP神经网络是最基本、最常用的神经网络，Matlab有专用函数来建立、训练它，主要就是newff()、train()、sim()这三个函数，当然其他如归一化函数mapminmax()、其他net的参数设定（lr、goal等）设置好，就可以通过对历史数据的学习进行预测。

附件是一个最基本的预测实例，本来是电力负荷预测的实例，但具有通用性，你仔细看看就明白了。

在MATLAB中用神经网络算法求解无约束最优化问题

A8U神经网络。

程序一：GA训练BP权值的主函数functionnet=GABPNET(XX,YY)%使用遗传算法对BP网络权值阈值进行优化，再用BP算法训练网络%数据归一化预处理nntwarnoffXX=[1:19;2:20;3:21;4:22]';YY=[1:4];XX=premnmx(XX);YY=premnmx(YY);YY%创建网络net=newff(minmax(XX),[19,25,1],{'tansig','tansig','purelin'},'trainlm');%下面使用遗传算法对网络进行优化P=XX;T=YY;R=size(P,1);S2=size(T,1);S1=25;%隐含层节点数S=R*S1+S1*S2+S1+S2;%遗传算法编码长度aa=ones(S,1)*[-1,1];popu=50;%种群规模savedata2XXYY%是将xx,yy二个变数的数值存入data2这个MAT-file，initPpp=initializega(popu,aa,'gabpEval');%初始化种群gen=100;%遗传代数%下面调用gaot工具箱，其中目标函数定义为gabpEval[x,endPop,bPop,trace]=ga(aa,'gabpEval',[],initPpp,[1e-611],'maxGenTerm',gen,...'normGeomSelect',[0.09],['arithXover'],[2],'nonUnifMutation',[2gen3]);%绘收敛曲线图figure(1)plot(trace(:,1),1./trace(:,3),'r-');holdonplot(trace(:,1),1./trace(:,2),'b-');xlabel('Generation');ylabel('Sum-SquaredError');figure(2)plot(trace(:,1),trace(:,3),'r-');holdonplot(trace(:,1),trace(:,2),'b-');xlabel('Generation');ylabel('Fittness');。

MATLAB线性神经网络的程序，跪求。。

。

美国Michigan大学的Holland教授提出的遗传算法(GeneticAlgorithm,GA)是求解复杂的组合优化问题的有效方法，其思想来自于达尔文进化论和门德尔松遗传学说，它模拟生物进化过程来从庞大的搜索空间中筛选出较优秀的解，是一种高效而且具有强鲁棒性方法。

所以，遗传算法在求解TSP和MTSP问题中得到了广泛的应用。

matlab程序如下：function[opt_rte,opt_brk,min_dist]=mtspf_ga(xy,dmat,salesmen,min_tour,pop_size,num_iter)%%%实例%    n=20;%城市个数%    xy=10*rand(n,2);%城市坐标 随机产生，也可以自己设定%    salesmen=5;%旅行商个数%    min_tour=3;%每个旅行商最少访问的城市数%    pop_size=80;%种群个数%    num_iter=200;%迭代次数%    a=meshgrid(1:n);%    dmat=reshape(sqrt(sum((xy(a,:)-xy(a',:)).^2,2)),n,n);%    [opt_rte,opt_brk,min_dist]=mtspf_ga(xy,dmat,salesmen,min_tour,...%        pop_size,num_iter);%函数%%[N,dims]=size(xy);%城市矩阵大小[nr,nc]=size(dmat);%城市距离矩阵大小n=N-1;%除去起始的城市后剩余的城市的数%初始化路线、断点的选择num_brks=salesmen-1;dof=n-min_tour*salesmen;      %初始化路线、断点的选择addto=ones(1,dof+1);fork=2:num_brksaddto=cumsum(addto);endcum_prob=cumsum(addto)/sum(addto);%%初始化种群pop_rte=zeros(pop_size,n);         %  种群路径pop_brk=zeros(pop_size,num_brks);   %断点集合的种群fork=1:pop_sizepop_rte(k,:)=randperm(n)+1;pop_brk(k,:)=randbreaks();end% 画图路径曲线颜色clr=[100;001;0.6701;010;10.50];ifsalesmen>5clr=hsv(salesmen);end%%%基于遗传算法的MTSPglobal_min=Inf;       %初始化最短路径total_dist=zeros(1,pop_size);dist_history=zeros(1,num_iter);tmp_pop_rte=zeros(8,n);%当前的路径设置tmp_pop_brk=zeros(8,num_brks);%当前的断点设置new_pop_rte=zeros(pop_size,n);%更新的路径设置new_pop_brk=zeros(pop_size,num_brks);%更新的断点设置foriter=1:num_iter%计算适应值forp=1:pop_sized=0;p_rte=pop_rte(p,:);p_brk=pop_brk(p,:);rng=[[1p_brk+1];[p_brkn]]';fors=1:salesmend=d+dmat(1,p_rte(rng(s,1)));%添加开始的路径fork=rng(s,1):rng(s,2)-1d=d+dmat(p_rte(k),p_rte(k+1));endd=d+dmat(p_rte(rng(s,2)),1);%添加结束的的路径endtotal_dist(p)=d;end%找到种群中最优路径[min_dist,index]=min(total_dist);dist_history(iter)=min_dist;ifmin_dist

matlab程序 BP神经网络预测 程序如下：

P=[。。。];输入T=[。。。

];输出%创建一个新的前向神经网络net_1=newff(minmax(P),[10,1],,'traingdm')%当前输入层权值和阈值inputbias=net_1.b%当前网络层权值和阈值layerbias=net_1.b应该没问题吧。

如何用matlab编写BP神经网络程序

matlab编写BP神经网络很方便的，这个工作不用像编程序的C什么的那样还要编写算法。这个算法早已经在软件的库里提供了。你只要用一条语句就出来了。把参数，深度和节点固定的往里一代数就可以了。

还有一点，注意最后结果的收敛性，神经网络发展一直是曲折前进的，为什么这样，现在不太给力，因为面临着一个收敛的问题，实现起来效果不好。这些程序网上有很多，你借一本基本的神经网络的书里面也有。望采纳。

关于Matlab的神经网络的程序，在线等，急~ 20

。

给个例子给你参考%%原始数据P=[205623952600;239526002298;260022981634;229816341600;...163416001873;160018731478;187314781900;147819001500;...190015002046;];%%目标数据T=[229816341600187314871900150020461556];%%对原始数据和目标数据进行归一化处理pmax=max(P);pmax1=max(pmax);pmin=min(P);pmin1=min(pmin);fori=1:9P1(i,:)=(P(i,:)-pmin1)/(pmax1-pmin1);T1(i)=(T(i)-pmin1)/(pmax1-pmin1);end%%建立BP网络net=newff(P1',T1,[37],{'tansig''logsig'},'traingd');%%设置网络参数并进行训练%fori=1:9net.trainParam.epochs=15000;=0.00001;=0.1net=train(net,P1(i,:)',T1(i));%end%%将10-12月的数据输入网络进行预测来年一月的销售量（归一化后的数值）y=sim(net,[150020461556]');%%反归一化求出来年一月份的销售量y1=y*(pmax1-pmin1)+pmin1;。