trainbpaoff

clear all
close all
format compact
nntwarn off
load wagi
    Pn = -1:0.1:-0.5;
    Tn = [-.9602 -.5770 -.0729 .3771 .6405 .6600];

    S1_vec      = [7];      %Ilość neuronów w pierwszej warstwie
    S2_vec      = [7];      %Ilość neuronów w drugiej warstwie
    [S3,Q]      = size(Tn); %Ilość neuronów w warstwie wyjściowej
    disp_freq   = 500;      %Czestotliwosc wyswietlania wynikow
    max_epoch   = 10000;    %Maksymalna liczba epok
    err_goal    = 0.001;    %Error goal
    lr          = 0.001;    %Learning rate
    lr_inc_vec  = [1.05];   %Zgodnie ze wzorem instrukcji do laboratorium lr_inc_vec
    lr_dec_vec  = [0.7];    %Zgodnie ze wzorem instrukcji do laboratorium lr_dec_vec
    mc_vec      = [0.9];    %Momentum constant
    er_vec      = [1.04];   %Maximum error ratio

    liczba_petli = length(S1_vec)*length(S2_vec)*length(lr_inc_vec)*length(lr_dec_vec)*length(er_vec)*length(mc_vec);
    ind_petli = 0;
    ind_petli2 = 0;

    qmax=0;
    SSEmin=10000;

    for ind_S1=1:length(S1_vec),
        for ind_S2=1:length(S2_vec),
            for ind_lr_inc=1:length(lr_inc_vec),
                for ind_lr_dec=1:length(lr_dec_vec),
                        for ind_er=1:length(er_vec),
                            [W1,B1,W2,B2,W3,B3] = initff(Pn,S1_vec(ind_S1),'tansig',S2_vec(ind_S2),'tansig',S3,'purelin');
                            save wagi
                            TP = [disp_freq max_epoch err_goal lr lr_inc_vec(ind_lr_inc) lr_dec_vec(ind_lr_dec) er_vec(ind_er)];
                            [W1,B1,W2,B2,W3,B3,TE,TR] = trainbpa(W1,B1,'tansig',W2,B2,'tansig',W3,B3,'purelin',Pn,Tn,TP);
                            a = simuff(Pn,W1,B1,'tansig',W2,B2,'tansig',W3,B3,'purelin');
                            q = (1-sum(abs(Tn-a)>=0.5)/length(Pn))*100;
                            SSE = TR(1,TE+1);
                        end
                    end
            end
        end
    end
epoch
SSE