MATLAB神经网络工具箱分解.ppt

感知网络模型。 线性神经网络模型。 BP网络模型。 径向基函数网络模型。 反馈网络模型。 自组织网络模型。 控制网络模型。 Step1: 将要逼近的非线性函数设为正弦函数 应用函数newff()建立BP网络结构，为二层BP网络。隐层神经元数目n可以改变，暂设为10，输出层有一个神经元。选择隐层和输出层神经元传递函数分别为tansig函数和purelin函数，网络训练算法采用trainlm。 应用函数train()对网络进行训练之前，要先设置训练参数。将训练时间设置为50，精度设置为0.01，其余用缺省值。 训练后得到的误差变化过程如图： 对于训练好的网络进行仿真并绘制网络输出曲线，与原始非线性函数曲线以及未训练网络的输出结果曲线相比较 董长虹.Matlab神经网络与应用[M].北京：国防工业出版社，2005. 张德丰.Matlab神经网络应用设计[M].北京：机械工业出版社，2009. 薛山.MATLAB基础教程[M].北京：清华大学出版社，2011. 闻新，等.MATLAB神经网络仿真与应用.[M].北京：科学出版社，2003. Step8: 结果导出 用图形用户界面（GUI）实现 Step9: 利用结果绘图比较 用图形用户界面（GUI）实现 参考文献 MATLAB神经网络工具箱 介绍 主讲人：朱均岭 组 员：陆 玥 杨 颖 楚孔德 石统盟 主要内容 神经网络的基本介绍 神经元和神经网络结构 建立BP神经网络的一些基本函数 BP反向传播网络实例介绍 神经网络的基本介绍 人工神经网络：利用仿生学原理模拟生物神经网络进行信息处理的一种数学模型。 人工神经元：是人工神经网络的基本信息处理单元，它是人工神经网络设计的基础。 神经网络结构与学习方式 分层网络：输入层+隐含层（中间层）+输出层。 相互连接型网络：网络中任意两个单元都可到达。 结构 学习方式 有导师学习：与期望值比较。 无导师学习：反复输入刺激形成条件反射。 再励学习：不给正确答案，只给评价。 神经元模型和神经网络结构 单个人工神经元模型 神经元模型 单个人工神经元模型： 多输入，单输出，带偏置 输入:R维列向量 P 权值:R维行向量 W （阈值:标量 ） 求和单元 传递函数 输出 单层神经网络模型 R维输入, S个神经元的单层神经网络模型 多层神经网络模型 神经网络模型 工具箱中涵盖的神经网络模型： BP网络介绍 多层前馈网络 主要功能: 函数逼近, 模式识别, 信息分类 传递函数:隐层采用S形函数,输出层S形函数或线性函数 BP网络相关函数 格式：net=newff(PR,[S1,S2...SN],{TF1,TF2...TFN},BTF,BLF,PF) 例：net=newff([-1 2; 0 5],[3,1],{tansig,purelin},traingd) 创建BP网络函数（newff）： 网络模拟函数（sim）： 例：p = [1;2]; a = sim(net,p) a = -0.1011 格式：a=sim（NET,P） BP网络性能函数（mse）： 格式：perf=mse(E,net,PP) 例:e=y-t;net.performPara.radio=0.98; perf =mse(e,net) BP网络相关函数 线性函数： a n 神经元上传递函数： BP网络相关函数 MATLAB函数: logsig(对数), tansig(正切) 对数Sigmoid函数： 正切Sigmoid函数： BP网络相关函数 BP网络训练函数（traingdm）： 格式：net=traingdm(NET,P,T) 例:p = [-1 -1 2 2;0 5 0 5];t = [-1 -1 1 1]; net=traingdm(net,p,t) 0.01 学习率 net.trainParam.lr INf 训练允许时间 net.trainParam.time 0 训练目标误差 net.trainParam