看了之前论坛里提供的一个程序：

%--------------两个隐层的BP算法-------------%

clear all;

SamNum=100;%样本数

TestSamNum=100;%测试样本

HiddenUnit1Num=10;%隐层1结点数

HiddenUnit2Num=10;%隐层2节点数

InDim=1;%样本输入维数

OutDim=1;%样本输出维数

%根据目标函数获得样本输入输出

SamIn=8*rand(1,SamNum)-4;%产生样本向量

SamOut=1.1*(1-SamIn+2*SamIn.^2).*exp(-SamIn.^2/2);%目标输出

TestSamIn=-4:0.08:4;%测试数据

TestSamOut=1.1*(1-TestSamIn+2*TestSamIn.^2).*exp(-TestSamIn.^2/2);%测试数据目标输出

MaxEpochs=20000;%最大训练次数

lr=0.003;%学习率

E0=0.05;%目标误差

W1=0.2*rand(HiddenUnit1Num,InDim)-0.1;

B1=0.2*rand(HiddenUnit1Num,1)-0.1;

W2=0.2*rand(HiddenUnit2Num,HiddenUnit1Num)-0.1;

B2=0.2*rand(HiddenUnit2Num,1)-0.1;

W3=0.2*rand(OutDim,HiddenUnit2Num)-0.1;

B3=0.2*rand(OutDim,1)-0.1;

%产生扩展向量，及扩展样本输入%

W1Ex=[W1 B1];

W2Ex=[W2 B2];

W3Ex=[W3 B3];

SamInEx=[SamIn' ones(SamNum,1)]';

Dw1Ex=zeros(HiddenUnit1Num,InDim+1);

Dw2Ex=zeros(HiddenUnit2Num,HiddenUnit1Num+1);

Delta2Store=zeros(HiddenUnit2Num,SamNum);

for i=1:MaxEpochs

%正向传播时第一隐层，第二隐层，及网络输出值%

u=W1Ex*SamInEx;

Hidden1Out=1./(1+exp(-u));

Hidden1OutEx=[Hidden1Out' ones(SamNum,1)]';

u=W2Ex*Hidden1OutEx;

Hidden2Out=1./(1+exp(-u));

Hidden2OutEx=[Hidden2Out' ones(SamNum,1)]';

NetworkOut=W3Ex*Hidden2OutEx;   %网络输出值

%停止学习判断条件

Error=SamOut-NetworkOut;%是一个1*100的向量

SSE=sum(Error.^2);%所有样本产生的误差之和

if SSE

%计算反向传播误差

Delta3=Error;%是一个横向量，包含100个样本的误差

Dw3Ex=Delta3*Hidden2OutEx';

for n=1:SamNum %对每一个样本分别计算

Delta2=(W3'*Delta3(n)).*Hidden2Out(:,n).*(1-Hidden2Out(:,n));

Delta2Store(:,n)=Delta2;

Dw2Ex=Dw2Ex+Delta2*Hidden1OutEx(:,n)';

end

for m=1:SamNum%对每一个样本分别计算

Delta1=((Delta2Store(:,m)'*W2)').*Hidden1Out(:,m).*(1-Hidden1Out(:,m));

Dw1Ex=Dw1Ex+Delta1*(SamInEx(:,m))';

end

%更新权值

W1Ex=W1Ex+lr*Dw1Ex;

W2Ex=W2Ex+lr*Dw2Ex;

W3Ex=W3Ex+lr*Dw3Ex;

W2=W2Ex(:,1:HiddenUnit1Num);

W3=W3Ex(:,1:HiddenUnit2Num);

Delta2Store=zeros(HiddenUnit2Num,SamNum);

Dw1Ex=zeros(HiddenUnit1Num,InDim+1);

Dw2Ex=zeros(HiddenUnit2Num,HiddenUnit1Num+1);

end

v=size(TestSamIn);

TestSamInEx=[TestSamIn' ones(v(2),1)]';

u=W1Ex*TestSamInEx;

Hidden1Out=1./(1+exp(-u));

Hidden1OutEx=[Hidden1Out' ones(v(2),1)]';

u=W2Ex*Hidden1OutEx;

Hidden2Out=1./(1+exp(-u));

Hidden2OutEx=[Hidden2Out' ones(v(2),1)]';

TestNetworkOut=W3Ex*Hidden2OutEx;   %网络输出值

plot(TestSamIn,TestNetworkOut,TestSamIn,TestSamOut);

请问双隐层的神经网络有没有直接的创建函数和训练函数，就像单隐层那样，这个程序看不大懂啊

[本帖最后由 mooni 于 2009-5-26 21:31 编辑]