在MATLAB中BP神经网络表达式

在MATLAB中，我们可以如此构建一个神经网络 

%使用用输入输出数据（inputData、outputData）建立网络，
%隐节点个数设为3.其中隐层、输出层的传递函数分别为tansig和purelin，使用trainlm方法训练。
net =newff(inputData,outputData,3,{'tansig','purelin'},'trainlm');
%设置一些常用参数
net.trainparam.goal =0.00001; %训练目标：均方误差低于0.0001
net.trainparam.show =400;   %每训练400次展示一次结果
net.trainparam.epochs =15000;  %最大训练次数：15000.
net.divideFcn = '';
[net,tr] =train(net,inputData,outputData);%调用matlab神经网络工具箱自带的train函数训练网络

其中，隐藏层节点是3，我选取较简单的输入层节点为2，输出层节点是 1来构建网络。

训练好网络后，可用sim函数来运行Simulink模型，可通过输入预测输出，例如：

input=[4000;20]
simout =sim(net,input); %调用matlab神经网络工具箱自带的sim函数得到网络的预测值

当然，input可以是多组数据组成的矩阵，也可以是一组数据组成的向量，如此便可得到预测值。

有的时候，我们需要提取已训练好的神经网络，我们可以把它的权值，阈值导出，如下代码，可提取出权值阈值的值。

w12 = net.iw{1,1} %第1层（输入层）到第2层（隐层）的权值
b2 = net.b{1}    %第2层（