1．结构设计

BP人工神经网络一般由三层组成，可以由下列语句生成：

其中，P为样本数据组成的矩阵，由其中最小值和最大值组成；T为每层神经元的个数；S为隐含层神经元的个数；TF为神经元传递函数。

2．网络训练

人工神经网络的训练通过下列语句由训练样本集，即已知输入和输出的数据矩阵来完成：

其中，net表示新的神经网络；tr表示训练记录；NET表示输入神经网络；X表示神经网络的输入；T表示神经网络的输出；Pi是初始输入延迟条件；Ai是初始层延迟时间。X、Pi和Ai的默认值为0。

网络权值和阈值的调整，在MATLAB中是由网络设计中的newff函数完成的，用该函数的最后一个参数表示。当它设置为traingd时代表用梯度下降法调整BP网络。其他参数如表3.2所列。

表3.2　BP神经网络调整参数含义

与训练有关的参数设置如下：

·最大训练次数为net.trainparam.epochs，默认值为10；

·训练要求精度为net.trainparam.goal，默认值为0；

·学习速率为net.trainparam.lr，默认值为0.01；

·最大失败次数为net.trainparam.max_fail，默认值为5；

·最小梯度要求为net.trainparam.min_grad，默认值为1e－10；

·显示训练迭代过程为net.trainparam.show，默认值为25，NaN表示不显示；

·最大训练时间为net.trainparam.time，默认值为inf。

BP网络的优点是学习精度高，可用作一个通用的函数模拟器；从理论上讲，用BP网络可以逼近任何非线性函数，经过训练后的BP网络运行速度极快，可用于实时处理。但它也存在以下的问题：

·可能陷入局部极小；

·学习算法收敛较慢。