BP網(wǎng)絡(luò)工具怎么用

BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)是1986年由Rumelhart和McCelland為首的科學(xué)家小組提出，是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。BP網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系，而無需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程。它的學(xué)習(xí)規(guī)則是使用梯度下降法，通過反向傳播來不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小。BP神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)包括輸入層（input）、隱層(hidden layer)和輸出層(output layer)。

神經(jīng)網(wǎng)絡(luò)可以用作分類、聚類、預(yù)測等。神經(jīng)網(wǎng)絡(luò)需要有一定量的歷史數(shù)據(jù)，通過歷史數(shù)據(jù)的訓(xùn)練，網(wǎng)絡(luò)可以學(xué)習(xí)到數(shù)據(jù)中隱含的知識。

%% 清理

clear,clc

rng('default')

rng(2)

%% 讀入數(shù)據(jù)

xlsfile='student.xls';

[data,label]=getdata(xlsfile);

%% 劃分?jǐn)?shù)據(jù)

[traind,trainl,testd,testl]=divide(data,label);

%% 創(chuàng)建網(wǎng)絡(luò)

net=feedforwardnet(3);

net.trainFcn='trainbfg';

%% 訓(xùn)練網(wǎng)絡(luò)

net=train(net,traind',trainl);

%% 測試

test_out=sim(net,testd');

test_out(test_out>=0.5)=1;

test_out(test_out<0.5)=0;

rate=sum(test_out==testl)/length(testl);

% 正確率90%

上圖是訓(xùn)練樣本的分布情況，可以看出不同分類之間交錯重合部分較多，而且比較密

這是通過隱藏層變換之后的樣本分布情況，變換后的樣本仍有交錯重合的部分，但是距離已經(jīng)被拉大，可以找到一條直線近似將兩類樣本分隔開

這是輸出層變換之后的樣本分布，可以看到不同類別的樣本比較明顯的分隔開，一條直線分隔開的正確率達(dá)到90%

%% 顯示三次樣本分布

% 顯示訓(xùn)練樣本

train_m = traind(trainl==1,:);

train_m=train_m';

train_f = traind(trainl==0,:);

train_f=train_f';

figure(1)

plot(train_m(1,:),train_m(2,:),'bo');

hold on;

plot(train_f(1,:),train_f(2,:),'r*');

xlabel('身高')

ylabel('體重')

title('訓(xùn)練樣本分布')

legend('男生','女生')

%% 隱藏層變換樣本

hidden_tran = cell2mat(net.iw);

train_m=hidden_tran * train_m + net.b{1};

train_f=hidden_tran * train_f + net.b{1};

figure(2)

plot(train_m(1,:),train_m(2,:),'bo');

hold on;

plot(train_f(1,:),train_f(2,:),'r*');

xlabel('身高')

ylabel('體重')

title('隱藏層變換樣本分布')

legend('男生','女生')

%% 輸出層變換樣本

layout_tran = cell2mat(net.lw);

train_m=layout_tran * train_m + net.b{2};

train_f=layout_tran * train_f + net.b{2};

figure(3)

plot(train_m(1,:),'bo');

hold on;

plot(train_f(1,:),'r*');

xlabel('身高')

ylabel('體重')

title('輸出層變換樣本分布')

legend('男生','女生')

這里的網(wǎng)絡(luò)是簡單的，如果設(shè)計出復(fù)雜的網(wǎng)絡(luò)，就可以實現(xiàn)下面這樣的變換

變換前

變換后

變換前

變換后

幫你學(xué)MatLab