% BP 神經網絡用于模式分類
% 使用平臺 - Matlab6.5
% 作者：陸振波，海軍工程大學
% 歡迎同行來信交流與合作，更多文章與程序下載請訪問我的個人主頁
% 電子郵件：luzhenbo@sina.com
% 個人主頁：luzhenbo.88uu.com.cn

clc
clear
close all

%---------------------------------------------------
% 產生訓練樣本與測試樣本，每一列為一個樣本

n1 = [rand(3,5),rand(3,5)+1,rand(3,5)+2];
x1 = [repmat([1;0;0],1,5),repmat([0;1;0],1,5),repmat([0;0;1],1,5)];

n2 = [rand(3,5),rand(3,5)+1,rand(3,5)+2];
x2 = [repmat([1;0;0],1,5),repmat([0;1;0],1,5),repmat([0;0;1],1,5)]

xn_train = n1;          % 訓練樣本
dn_train = x1;          % 訓練目標

xn_test = n2;           % 測試樣本
dn_test = x2;           % 測試目標

%---------------------------------------------------
% 函數接口賦值

NodeNum = 20;           % 隱層節點數 
TypeNum = 3;            % 輸出維數
p1 = xn_train;          % 訓練輸入
t1 = dn_train;          % 訓練輸出
Epochs = 1000;          % 訓練次數

P = xn_test;            % 測試輸入 
T = dn_test;            % 測試輸出(真實值)

%---------------------------------------------------
% 設置網絡參數

%TF1 = 'tansig';TF2 = 'purelin'; % 缺省值
%TF1 = 'tansig';TF2 = 'logsig';
TF1 = 'logsig';TF2 = 'purelin';
%TF1 = 'tansig';TF2 = 'tansig';
%TF1 = 'logsig';TF2 = 'logsig';
%TF1 = 'purelin';TF2 = 'purelin';

net = newff(minmax(p1),[NodeNum TypeNum],{TF1 TF2},'trainlm');

% 指定訓練參數
%net.trainFcn = 'trainlm';  % 內存使用最多（快）
%net.trainFcn = 'trainbfg';
%net.trainFcn = 'trainrp';  % 內存使用最少（慢）
%net.trainFcn = 'traingda'; % 變學習率
%net.trainFcn = 'traingdx';

net.trainParam.epochs = Epochs;     % 最大訓練次數
net.trainParam.goal = 1e-8;         % 最小均方誤差
net.trainParam.min_grad = 1e-20;    % 最小梯度
net.trainParam.show = 200;          % 訓練顯示間隔
net.trainParam.time = inf;          % 最大訓練時間

%---------------------------------------------------
% 訓練與測試

net = train(net,p1,t1);             % 訓練
X = sim(net,P);                     % 測試 - 輸出為預測值
X = full(compet(X))                 % 競爭輸出

%---------------------------------------------------
% 結果統計

Result = ~sum(abs(X-x2))               % 正確分類顯示為1
Percent = sum(Result)/length(Result)   % 正確分類率