比较节点个数不同时bp网络训练的误差效果及时间

比较节点个数不同时bp网络训练的误差效果及时间

%比较不同节点时网络训练的误差效果
%time用于存储计算的时间
time=[];
%err用于存储计算tr.perf值
err=[];
for i=1:5                                   %分别进行取S1= 1 - 5节点时的网络训练
    %起始CPU时间
    t(i)=cputime;
    %初始值
    P=[0 0 1 1;0 1 0 1];
    %目标值
    T=[0 1 1 0];
    %创建两层前向BP网络
    net=newcf(minmax(P),[i,1],{'tansig' 'purelin'},'traingd' );
    % 设置相关参数
    net.trainParam.show = 50;                            %每50次显示一次结果
    net.trainParam.lr = 0.05;                           %学习速率参数
    net.trainParam.epochs = 300;                       %最大循环次数参数
    [net,tr]=train(net,P,T);                            %训练网络
    %计算输出结果
    Y=sim(net,P);
    %计算出tr.perf的值，每个tr.perf为1×301个元素，对应300个步骤
    %将每次的结果组合到一个数组内，最后err大小为5×301
    err=[err;tr.perf];
    time(i)=cputime-t(i);                             %计算程序运行时间
end
%做出以上5个网络的训练误差图
plot(err(1,:),'r.');
hold on
plot(err(2,:),'r');
plot(err(3,:),'g-');
plot(err(4,:),'g:');
plot(err(5,:),'b:');
hold off
%显示每次所需时间，看出时间并不是很有规律，并不是点越多时间越长，挺随机，
% 这是因为神经网络体现的就是随机的过程
figure(2);
plot(time);