建模及仿真神经网络.pptVIP

预测结果 最后预测结果 真实产奶量 预测奶量 对初始权重敏感，易收敛于局部极小 收敛缓慢甚至不收敛 隐层节点数不好确定 过拟合/过训练问题 BP神经网络的缺点 动量法和自适应学习率调整 共轭梯度法 遗传算法优化 解决方案 其他网络：多层感知器网络、径向 多层感知器网络、径向基函数网络 * 什么是神经网络 神经网络方法 在生物信息学中的应用 神经网络在matlab中的实现 神经网络知识 人工神经网络 对人脑或自然神经网络若干基本特性的抽象和模拟 非局域性 非线性性 非定常性 非凸性 神经网络的基本性质 神经元 神经网络知识 传递（激活）函数类型 阈值函数 线性函数 对数函数 正切函数 神经网络知识 神经网络结构 神经网络知识 神经网络分类 前向网络 反馈网络 互联网络 层内互联前向网络 神经网络知识 神经网络知识 神经网络模型 感知器网络 线性神经网络 BP网络 径向基函数网络 反馈网络 自组织网络 神经元传递函数、网络学习函数、激活函数 不同 net = newp( ) net = newlind( ) net = newff( ) net = newrbe( ) 网络训练函数 神经网络知识 Levenberg-Marquardt算法 trainlm 动量和自适应速率梯度下降法 动量梯度下降法 自适应速率梯度下降法 梯度下降法 Polak-Ribiere 共轭梯度法 Fletcher-Powell 共轭梯度法 Powell-Beale共轭梯度法 贝叶斯方法 BFGS拟牛顿法 traingdx traingdm traingda traingd traincgp traincgf traincgb trainbr trainbfg 适用于“提前停止” 方法，可提高网络推广能力 较小 收敛较慢 模式分类 traingdx 计算量随网络规模增大呈几何增大 较大 收敛较快 函数拟合 trainbfg 尤其适用于网络规模较大的情况 中等 收敛较快 性能稳定 函数拟合 模式分类 trainscg 性能随网络训练误差减小而变差 较小 收敛最快 模式分类 trainrp 性能随网络规模增大而变差 大 收敛快 误差小 函数拟合 trainlm 其他特点 占用存 储空间 收敛性能 适用问题类型 学习算法 神经网络知识 网络训练函数 网络权值、误差学习函数 神经网络知识 规则化均方误差 msereg 均方误差 mse 平方误差和 绝对平均误差 sse mae 网络性能函数 动量梯度下降法 learngdm 梯度下降法 learngd LMS算法（近似梯度下降法） learnwh 标准化感知器学习规则 learpn 以任意精度逼近任何函数 鲁棒性、容错性强 进行快速、大量运算 学习和自适应不确定的系统 神经网络的优点 同时处理定性、定量知识 神经网络知识 神经网络主要应用领域 模式识别 信号处理 知识工程 专家系统 优化组合 机器人控制 奶牛产奶量预测 研究意义 研究进展 神经网络方法 神经网络应用实例 农场主关心什么 先辈（竞争对手）做了什么 初产奶牛产奶量预测 研究问题 研究数据 神经网络方法 神经网络应用实例 初产奶牛产奶量 《》亲代奶牛产奶量 亲代奶牛30d、60d、90d、…、305d产奶量 初产奶牛305d产奶量 初产奶牛产奶量 《》初产奶牛营养量 初产奶牛30d、60d、90d、…、305d营养量 神经网络预测 训练集、测试集 交互检验 Jackknife检验 采用标准集 随机选取 GB126， CB258 76个训练，12或1个预测 方法检验 模型建立 依据原则 （1）网络规模持平于样本集大小 （2）输入层、隐层的结点数比例为2:1 （3） 运算简单、易于理解 神经网络方法 神经网络模型结构 模型结构步骤 一 三层BP网络结构 输出节点数为1 模型结构步骤二 训练样本数76 输入节点数为7 隐层采用S型传递函数 采用标准训练、权值、性能函数 网络模型结构 网络结构模型 训练函数：traingdx 网络权值、误差学习函数：learngdm 网络性能函数：mse 1 输出层 正切函数 线性函数 10 隐含层 7 输入层 传递函数 节点数 层数 网络模型 是否是最好的选择方式 神经网络预测 工作步骤 初始化网络权值矩阵和神经元阈值矩阵 提供学习样本 计算网络实际输出和隐层神经元输出 计算误差对各层的影响 修正权值和阈值 计算网络输出误差 判断误差是否满足要求 结束训练 神经网络程序实现 MATLAB神经网络工具箱 主要程序设计 Net=newff(PR,[S1,S2],{TF1,TF2},BTF,BLF,PF); PR = minmax(Original_data);%确定输入层输入数据的大小范围 S1、S2; %分