%bpnet舉例，因為BP網絡的權值初始化都是隨即生成，所以每次運行的狀態可能不一樣。
%如果初始化的權值有利于訓練，那么可能很快能結束訓練，反之則反之

clear all
clc
figure
randn('state',sum(100*clock))

num1=5;     %隱節點數
num2=10000; %最大迭代次數
a1=0.02;    %期望誤差
a2=0.05;    %學習率

test=randn(1,5)*0.5; %隨即生成5個測試值
in=-1:.1:1;      %訓練值
expout=[-.9602 -.5770 -.0729 .3771 .6405 .6600 .4609 .1336 -.2013 -.4344 -.5000 -.3930 -.1647 .0988 .3072 .3960 .3449 .1816 -.0312 -.2189 -.3201];
%上面是指定期望輸出
%expout=0.3*randn(1,21); %隨機產生一組期望輸出值，不過效果不好
plot(in,expout,'+');
title('訓練向量');
xlabel('in');
ylabel('expout');
output=bpnet(in,expout,num1,num2,a1,a2,test)
test