bp神经网络matlab程序

bp神经网络 Matlab

简要探讨了BP神经网络的学习过程与主要参数，分析了基于BP神经网络的中文分词算法，并在用 joone-editor建立的神经网络模型中加以实验。

心电信号的准确判别是实现心电监测系统智能诊断的关键。为提高心电信号的分类精度，研究了一种改进BP神经网络的心电信号分类算法。首先对MIT-BIH Arrhythmia Database样本专家标注心拍进行统计分析，选择正常心拍、室性早搏、左束支传导阻滞心拍和右束支传导阻滞心拍作为神经网络识别目标，采用主成分分析法提取25个心拍特征作为样本向量。仿真结果表明，改进BP神经网络具有较好的分类识别能力，整个样本分类准确率为98.4%。算法收敛速度快，分类精度高，有助于检测和诊断心脏疾病。

创建BP神经网络，然后拟合二元一次函数图像，并计算函数平均值、误差等。

MATLAB SIMULINK

JAVA_BP神经网络分类器.7z

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码

简单的基于matlab通过BP神经网络进行数据分析，可以设置神经网络的层数和数据库的数据，在代码中已经有了归一化、误差分析和可视化结果

现有训练集数据，1000 × 7，如下： xxxxxxxxxxxxxxxxxxxx 有测试集数据，100 × 7，如下： xxxxxxxxxxxxxxxxxxxx 以上数据分别是从某系统采集的数据，  训练数据集中，分别是采集的数据和标注结果，其中1、2分别表示该系统有无故障；  测试数据集中，分别是采集的数据和真实结果，其中1、2分别表示该系统有无故障； 现在需要使用训练数据集训练BP神经网络，然后用训练好的神经网络对测试数据集进行测试，并与真实结果进行对比，最终分析出神经网络的性能。 % --- Executes on button press in pushbutton6. function pushbutton6_Callback(hObject, eventdata, handles) % hObject handle to pushbutton6 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) global output_test inputn_train outputn_train inputn_test ... outputps BPoutput_test xunlian_num Error input_train output_train %创建网络 %获得gui_set中值 num_yinhan=str2num(get(findobj('tag','edit_yinhan'),'string')); TF=get(findobj('tag','transfer'),'string'); %传递函数 valueTF=get(findobj('tag','transfer'),'value'); TF=TF{valueTF}; BTF=get(findobj('tag','train'),'string'); %训练函数 valueBTF=get(findobj('tag','train'),'value'); BTF=BTF{valueBTF}; BLF=get(findobj('tag','learn'),'string'); %学习函数 valueBLF=get(findobj('tag','learn'),'value'); BLF=BLF{valueBLF}; tic;%启动一个定时器 net=newff(inputn_train,outputn_train,num_yinhan,{TF},BTF,BLF); net.trainParam.epochs=str2num(get(findobj('tag','cishu'),'string')); net.trainParam.goal=str2num(get(findobj('tag','goal'),'string')); net.trainParam.lr=str2num(get(findobj('tag','rate'),'string')); net=train(net,inputn_train,outputn_train); an=sim(net,inputn_test); t=toc;%关闭定时器，获取程序运行时间 %网络输出反归一化