%BP網絡的第一階段學習期（訓練加權系數wki,wij）
%初始化
lr=0.05;err_goal=0.001;        %lr為學習速率；err_goal為期望誤差最小值
max_epoch=2500;a=0.9;         %max_epoch為訓練的最大次數；a為慣性系數
Oi=0;Ok=0;                     %置隱含層和輸出層各神經元輸出初值為零
%提供兩組訓練集和目標值（3輸入，2輸出）
X
T
%初始化wki,wij（M為輸入節點j的數量；q為隱含層節點i的數量；L為輸出節點k的數量）
[M,N]=size(X);q=8;[L,N]=size(T);%N為訓練集對數量
wij=rand(q,M);wki=rand(L,q);
wij0=zeros(size(wij));wki0=zeros(size(wki));
for epoch=1:max_epoch
%計算隱含層各神經元輸出
NETi=wij*X;
for j=1:N
    for i=1:q
        Oi(i,j)=2/(1+exp(-NETi(i,j)))-1;
    end
end
%計算輸出層各神經元輸出
NETk=wki*Oi;
for i=1:N
    for k=1:L
        Ok(k,i)=2/(1+exp(-NETk(k,i)))-1;
    end
end
%計算誤差函數
E=((T-Ok)'*(T-Ok))/2;
if(E<err_goal)break;end
%調整輸出層加權系數
deltak=Ok.*(1-Ok).*(T-Ok);
w=wki;
wki=wki+lr*deltak*Oi'+a*(wki-wki0);
wki0=w;
%調整隱含層加權系數
deltai=Oi.*(1-Oi).*(deltak'*wki)';
w=wij;
wij=wij+lr*deltai*X'+a*(wij-wij0);
wij0=w;
end
epoch                                 %顯示計算次數
%BP網絡的第二階段工作期（根據訓練好的wki,wij和給定的輸入計算輸出）
X1=X;                                 %給定輸入
%計算隱含層各神經元輸出
NETi=wij*X1;
for j=1:N
    for i=1:q
        Oi(i,j)=2/(1+exp(-NETi(i,j)))-1;
    end
end
%計算輸出層各神經元輸出
NETk=wki*Oi;
for i=1:N
    for k=1:L
        Ok(k,i)=2/(1+exp(-NETk(k,i)))-1;
    end
end
Ok                                   %顯示網絡輸出層的輸出