在經典增量pid的演算法中需要除錯的引數為kp,ki,kd。通過bp神經網路調節這三個引數，以x(i)為輸入層，中間層為simoid函式:
f(x) = tanh(x)=(exp(x)-exp(-x))/(exp(x)+exp(-x)).並且通過梯度下降法修改引數
關鍵**：
%output layer
for j=1:1:out
dk(j)=2/(exp(k(j))+exp(-k(j)))^2;
endfor l=1:1:out
delta3(l)=error(k)*dyu(k)*epid(l)*dk(l);
endfor l=1:1:out
for i=1:1:h
d_wo=xite*delta3(l)*oh(i)+alfa*(wo_1-wo_2);
endend
wo=wo_1+d_wo+alfa*(wo_1-wo_2);
%hidden layer
for i=1:1:h
do(i)=4/(exp(i(i))+exp(-i(i)))^2;
endsegma=delta3*wo;
for i=1:1:h
delta2(i)=do(i)*segma(i);
endd_wi=xite*delta2'*xi;
wi=wi_1+d_wi+alfa*(wi_1-wi_2);
BP神經網路（基於MATLAB）
clc clear all 匯入資料 load s data.mat s含量所用資料 n 12 n 是自變數的個數 m 1 m 是因變數的個數 讀取訓練資料 train num 1600 訓練樣本數 train data s data 1 train num,特徵值歸一化 train input,m...
基於BP神經網路的分類
使用的是乙個簡單的資料集fisheriris，該資料集資料類別分為3類，setosa，versicolor，virginica。每類植物有50個樣本，共150個樣本代表150朵花瓣。每個樣本有4個屬性，分別為花萼長，花萼寬，花瓣長，花瓣寬。其中meas是150 4的矩陣代表著有150個樣本每個樣本有...
BP神經網路
基本bp神經網路演算法包括 訊號的前向傳播 誤差的反向傳播 也即計算實際輸出時按照輸入到輸出的方向進行，權值閾值調整則相反。bp是一種多層前饋神經網路，由輸入層 隱含層和輸出層組成。層與層之間有兩種訊號在流動 一種是從輸入流向輸出的工作訊號，是輸入和權值的函式 另一種是輸入流向輸出的訊號，即誤差。隱...