人工神经网络_matlab工具箱.pptVIP

下载本文档

16
0
约 39页
2016-08-16 发布于湖北
举报
版权申诉

人工神经网络_matlab工具箱.ppt

1、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。。
2、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。
3、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)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、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。
6、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。
7、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_matlab工具箱

4 实例：多元神经网络预测实验号臭氧浓度(mg/L) 入口UV254 UV254去除率(%) 1 1.16 0.116 50.2 2 1.35 0.104 59.5 3 1.72 0.078 58.8 4 1.86 0.107 66.2 5 1.97 0.136 65.5 6 2.15 0.082 64.5 7 2.23 0.125 73.6 8 2.48 0.076 76.4 9 2.79 0.122 78.5 10 2.85 0.092 79.2 11 3.07 0.081 81.4 12 3.45 0.068 90.3 13 3.59 0.077 93.1 14 3.80 0.108 98.2 15 3.93 0.128 97.3 16 4.14 0.063 98.1 17 4.46 0.135 97.3 18 4.55 0.070 98.8 19 4.84 0.126 96.9 20 5.03 0.087 98.6 训练样本实验号臭氧浓度(mg/L) 入口UV254 UV254去除率(%) 1 1.42 0.086 58.1 2 2.51 0.071 78.8 3 3.21 0.107 89.6 4 4.29 0.096 96.5 5 5.24 0.65 97.8 检验样本网络分为4层。各层节点数分别为：输入层2个；第一隐层12个；第二隐层6个；输出层1个。输入层输出层隐层1和2 BP网络模型臭氧浓度入口UV254 UV254去除率网络结构模型的参数数据预处理，输入数据和输出数据都规格化为0到1: 最大训练步数 net.trainParam.epochs=100000 收敛误差界值 net.trainParam.goad=0.0001 BP网络训练误差曲线 UV254值臭氧浓度 mg/L UV254去除率，％网络模型实验号 ? 臭氧 ?(mg/L) UV254去除率(%) 相对误差（%）实测值网络预测值 1 1.42 58.1 49.3 -15.1 2 2.51 78.8 76.6 -2.85 3 3.21 89.6 81.9 8.62 4 4.29 96.5 97.7 1.25 5 5.24 97.8 97.1 0.7 模型预测结果与实测值比较 5 实验：神经网络分类模式识别讲义第5章人工神经网络黄可坤嘉应学院 — matlab神经网络工具箱主要内容 0 引例:神经网络函数拟合(预测) 1 matlab神经网络工具箱 2 人工神经网络(ANN)简介 3 前馈神经网络(BP网络) 4 实例：多元神经网络预测 5 实验：神经网络分类 0 引例:神经网络函数拟合(预测) 试构造合适的神经网络模型拟合如下数据点,并预测x=10的值: x 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 y 0 0.43 0.69 0.74 0.61 0.36 0.08 -0.17 -0.34 -0.4 x 5 5.5 6 6.5 7 7.5 8 8.5 9 9.5 y -0.35 -0.23 -0.08 0.06 0.16 0.21 0.2 0.15 0.07 -0.01 matlab代码 x=0:0.5:9.5; y=[0, 0.43, 0.69, 0.74, 0.61, 0.36, 0.08, -0.17, -0.34, -0.4, -0.35, -0.23, -0.08, 0.06, 0.16, 0.21, 0.2, 0.15, 0.07,-0.01]; net = newff([0,9.5],[5, 1]); net.trainParam.epochs=100; net.trainParam.goad=0.000001; net = train(net,x,y); x1=0:0.1:10; y1=sim(net,x1); figure; plot(x,y,.);hold on; plot(x1,y1,r); ∑ f ∑ f ∑ f ∑ f ∑ f ∑ f x y w11 w12 w13 w14 w15 w21 w22 w23 w24 w25 b1 b2 b3 b4 b5 b 网络结构 y = f(w21*f(w11*x+b1) + …+ w25*f(w15*x+b5)+ b ) w1=net.IW{1}; w2=net.LW{2}; b1=net.b{1}; b2=net.b{2}; a = tansig(w1*x0 + b1); y = tansig(w2*a + b2) Sigmoid函数 1 matlab神经网络工具箱 1.1 网络数据对象的建立 net=ne