神经网络工具箱的使用.pptVIP

神经网络工具箱的使用 一、NN Toolbox 简介 目前最新的神经网络工具箱是NN Toolbox V4.0版本，它几乎完整地概括了现在的神经网络的新成果，所设计的网络模型有： （1） 感知器; （2） 线性网络； （3） BP网络； （4） 径向基网络； （5） 自组织网络； （6） 反馈网络； 对于各种网络模型，神经网络工具箱集成了多种学习算法，为用户提供了极大的方便。最关键的是，丰富的函数可以节省的大量的编程时间。此外，神经网络工具箱中还给出了大量的示例程序，为用户轻松的使用工具箱提供生动的实用范例 二、BP网络的设计 net=newff(PR,[S1 S2…SN],{TF1 TF2…TFN},BTF,BLF,PF) PR, R个输入向量的元素最小值和最大值构成的R*2矩阵 Si 第i层的大小，共有N层 TFi 第i层的传递函数，可以是tansig(), logsig(), purelin() BTF 训练函数，trainlm, trainbfg,trainrp, traingd等 BLF 权值/阀值 学习函数，learngd,learngdm PF 性能函数，mse,msereg 例题 应用两层BP网络来完成函数逼近任务，隐层神经元数取十个： newff ()创建网络，sim()对网络进行仿真 程序 clear all; clc p=-1:.1:1; t=[-.9602 -.5770 -.0729 .3771 .6405 .6600 .4609... .1336 -0.2013 -.4344 -.5000 -.3930 -.1647 .0988... .3072 .3960 .3449 .1816 -.0312 -.2189 -.3201]; net=newff([-1 1],[10 1],{tansig purelin},trainlm); y=sim(net,p) plot(p,t,‘o’,p,y,‘x’),title(‘训练1次); net.trainParam.epochs=50;net=train(net,p,t); y=sim(net,p) plot(p,t,o,p,y,*-),title(训练50次) 三、使用nntool GUI求解 建立神经网络 输入数据 对网络进行初始化、训练和模拟 输出结果 选用乙醇-环己烷-水体系在35℃、50℃、65℃的汽液平衡数据作为研究对象,实测数据见文献 选择温度、液相组成X1和X2三个参数作为输入，汽相组成Y1、Y2和Y3作为输出，隐层单元数为9 * * *