BP神经网络完成预测

Question

请问如果 p=[1,1,1,2,3,3,3,3,4,4,4,3,3,3] t=[1,1,2,3,3,3,3,4,4,4,3,3,3,3]是训练集的输入和输出向量，P=[3 3 4 6 6 7 7 ]和T=[3 4 6 6 7 7 6]是测试集的输入和输出，那么用BP神经网络完成训练和测试以及预测该如何实现，麻烦大侠给出预测结果和实现代码 谢谢

Answer 1

下面是几个仿真实验，用了不同的训练函数：
1.创建BP网络的学习函数，训练函数和性能函数都采用default值，分别为learngdm,trainlm和mse时的逼近结果：
由此可见，进过200次训练后，虽然网络的性能还没有为0，但是输出均方误差已经很小了，MSE=6.72804e-0.06,显示的结果也证明P和T之间非线性映射关系的拟合是非常精确的；
2.建立一个学习函数为learnd，训练函数为traingd,和性能函数为msereg的BP网络，来完成拟合任务:
可见，经过200次训练后，网络的输出误差比较大，而且网络误差的收敛速度非常慢。这是由于训练函数traingd为单纯的梯度下降训练函数，训练速度比较慢，而且容易陷入局部最小的情况。结果显示网络精度确实比较差。
3.将训练函数修改为traingdx，该i函数也是梯度下降法训练函数，但是在训练过程中，他的学习速率是可变的
在200次训练后，以msereg函数评价的网络性能为1.04725，已经不是很大,结果显示P和T之间非线性关系的拟合情况不错，网络的性能不错。