三层神经网络模型matlab版

纯手写三层神经网络，有数据，无需其他函数，直接运行，包括batchBP和singleBP。

function [ w count data] = batchBP（ x z yh w t param ）
%BATCHBP 此处显示有关此函数的摘要
%   批量BP算法
Nh = param.Nh;
Nx = param.Nx;
Nd = param.Nd;
Ny = param.Ny;
eta = param.eta;
theta = param.theta;

flag = 0;
count = 0;
res = [0 0 0];
resid = 1;
m = 0;
data = zeros（300001）;
q = 1;
while（flag == 0）
    Wh = w{1};
    Wy = w{2};
    sj = zeros（NxNy）;
    sh = zeros（NxNh）;
    deltaj = zeros（NhNy）;
    deltah = zeros（NdNh）;
    for k = 1:Nx
        for j = 1:Ny
            sj（kj） = z（kj）*（1-z（kj））*（t（kj）-z（kj））;
            for h = 1:Nh
                deltaj（hj） = eta*sj（kj）*yh（kh） + deltaj（hj）;
            end
        end
        for h = 1:Nh
            sh（kh） = （1-yh（kh）^2）*（Wy（h:）*sj（k:）‘）;
            for i = 1:Nd
                deltah（ih） = eta*sh（kh）*x（ki） + deltah（ih）;
            end
        end
    end
    Wy = Wy + deltaj;
    Wh = Wh + deltah;
    w{1} = Wh;
    w{2} = Wy;
    [ J z yh ] = forward（ x w t param ）;
    JJ = sum（abs（J））;
    data（q） = JJ;
    q = q + 1;
    [ out ] = test（ w x t ）;
    res（resid） = JJ;
    resid = resid + 1;
    if resid == 4
        resid = 1;
    end
    if sum（abs（J）） < theta || isnan（JJ） || （round（res（1）3） == round（res（2）3） && round（res（1）3） == round（res（3）3））
        flag = 1;       
    end
    count = count + 1;
    disp（[‘batch迭代第‘ num2str（count） ‘次，正确率为：‘ num2str（out*100） ‘% loss为：‘ num2str（JJ）]）;

end
end

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-09-12 09:41  三层神经网络模型\
     文件        1498  2017-11-26 17:47  三层神经网络模型\batchBP.m
     文件         546  2017-11-25 19:47  三层神经网络模型\forward.m
     文件        1391  2017-11-26 18:05  三层神经网络模型\run_BP.m
     文件         212  2017-11-26 16:56  三层神经网络模型\sigmoid.m
     文件        1581  2017-11-26 17:48  三层神经网络模型\singleBP.m
     文件         239  2017-11-26 12:01  三层神经网络模型\tan_h.m
     文件         291  2017-11-26 13:36  三层神经网络模型\test.m
     文件     2822454  2017-11-26 17:55  三层神经网络模型\图.bmp