人工神经网络试题.docVIP

下载本文档

36
0
约1.74千字
约 3页
2017-06-07 发布于重庆
举报
版权申诉

人工神经网络试题.doc

1、本文档共3页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

人工神经网络试题

1、简要说明误差反向传播的BP算法的基本原理，讨论BP基本算法的优缺点。并采用BP神经网络进行模式识别。设计一个BP网络对附图中的英文字母进行分类。输入向量含16个分量，输出向量分别用[1,-1,-1]T,[-1,1,-1]T,[-1,-1,1]T代表字符AI，O。采用不同的学习算法（traingd，traingdm，traingdx，trainlm）进行比较。并测试施加5%噪声与输入时的测试结果。要求：给出matlab的源程序（可调用matlab NN工具箱），网络结构，初始权值，训练结果，测试结果。简要说明误差反向传播的BP算法的基本原理，讨论BP基本算法的优缺点。并采用BP神经网络设计一个。采用不同的学习算法（traingd，traingdm，traingdx，trainlm）进行比较。要求：给出matlab的源程序（可调用matlab NN工具箱），网络结构，初始权值，训练结果，测试结果。简要说明误差反向传播的BP算法的基本原理，讨论BP基本算法的优缺点。表中给出了某结构在多种状态下的特征向量，表给出了某时刻结构的特征向量，请使用人工神经网络根据表2中的特征向量判断其所属状态。表1 特征1 特征2 特征3 特征4 特征5 特征6 特征7 特征8 特征9 特征10状态1 0.670 0.258 0.876 0.021 0.329 0.261 0.854 0.942 0.432 0.743状态2 0.956 0.252 0.199 0.988 0.225 0.379 0.059 0.015 0.498 0.412状态3 0.371 0.856 0.385 0.739 0.489 0.685 0.749 0.660 0.336 0.908状态4 0.880 0.737 0.661 0.423 0.760 0.680 0.050 0.970 0.643 0.267状态5 0.173 0.136 0.284 0.515 0.529 0.461 0.415 0.990 0.320 0.439状态6 0.979 0.118 0.469 0.334 0.640 0.567 0.305 0.788 0.960 0.933 表2 特征1 特征2 特征3 特征4 特征5 特征6 特征7 特征8 特征9 特征10时刻1 0.794 0.271 0.893 0.064 0.432 0.209 0.794 0.874 0.438 0.726时刻2 0.522 0.875 0.298 0.582 0.579 0.783 0.602 0.768 0.214 0.744时刻3 0.921 0.780 0.670 0.437 0.875 0.715 0.202 0.998 0.674 0.447 net ; w net.IW 1 ; hold off; plot P 1,: ,P 2,: ,+r ; hold on; plot w :,1 ,w :,2 ,ob ; xlabel p 1 ; ylabel p 2 ; hold off; net.trainParam.epochs 7; hold on; net init net ; more off; net train net,P ; TRAINR, Epoch 0/7 TRAINR, Epoch 7/7 TRAINR, Maximum epoch reached. %训练该网络 hold on ； net init net ; more off; w net.IW 1 ; delete findobj gcf,color,[0 0 1] ; hold off plot P 1,: ,P 2,: ,+r ; hold off; hold on; plot w :,1 ,w :,2 ,ob ; xlabel p 1 ; ylabel p 2 ; hold off; %仿真该网络 p [0.794;0.271]; a sim net,p ; ac vec2ind a