基于MATLAB的BP神经网络预测系统的设计.pdf

文档介绍：第 25卷第 4期计算机应用与软件 Vol125 No. 4
2008年 puter Applications and Software Apr. 2008
基于 MATLAB的 BP神经网络预测系统的设计
李萍曾令可税安泽金雪莉刘艳春王慧
(华南理工大学广东广州 510640)
摘要利用 MATLAB 设计了 BP 神经网络预测系统。介绍了 MATLAB 的 BP 神经网络工具箱函数和图形用户界面, 详细介绍
了 BP 神经网络预测系统的设计, 并对所设计的预测系统进行了性能评价。系统具有良好的性能, 在很多领域可以发挥较大的作
用。
关键词 MATLAB BP 神经网络预测
DE SIGN OF FORECAST SYSTEM OF BACK PROPAGAT ION NEURAL
NETW ORK BASED ON MATLAB
L i Ping Zeng L ingke ShuiAnze Jin Xueli Liu Y anchun WangH u i
(Sou th Ch ina Un iversity of T echnology, Guangzhou 510640, Guangd ong, Ch ina )
Abstrac t Forecast system ofBack P ropaga tion neural ne twork is developed byMATLAB. The functions in the toolbox ofBack P ropagation
neura work and the graph ica l use r interfaces ofMATLAB are introduced. The design of forecast system ofBack P ropagation neura work
is ana lyzed in deta i,l and the perform ance of the forecast system is evaluated. The resu lt ind icates tha t the system has good pe rform ance, and it
is use fu l in m any fie lds.
K eywords MATLAB Back propaga tion neura work F orecast
降的方向上计算网络权值和偏差的变化而逐渐逼近目标。每一
0 前言次权值和偏差的变化都与网络误差的影响成正比, 并以反向传
播的方式传递到每一层。
在系统辨识和预测中, 需要建立性能好的、稳定的模型对系 BP 学习算法由两部分组成: 信息的正向传播与误差的反向
统进行准确地辨识和预测。对于线性系统, 利用传统的系统辨传播。在正向传播过程中, 输入信息从输入经隐含层逐层计算
识方法, 可以得到较完美的解决。但对于非线性系统, 传统的系传向输出层, 每一层神经元的状态只影响下一层神经元的状态。
统辨识方法就显得无能为力了。如果在输出层没有得到期望的输出, 则计算输出层的误差变化
相比之下, 对于非线性系统, 神经网络显示了明显的优越值, 然后转向反向传播, 通过网络将