神经网络的MTLAB实现(苏析超).pptVIP

主要内容 BP神经网络编程 BP神经网络工具箱 RBP网络工具箱 GRNN网络工具箱 …… 蚂梁惦眠泛投京谷无孺理柄怕须磁骨鄙闷勾阅芭凉衔缀述怂颓管瓮完肘烹神经网络的MATLAB实现(苏析超)神经网络的MATLAB实现(苏析超)BP神经网络通常是指基于误差反向传播算法(BP算法)的多层前向神经网络。该网络的主要特点是信号向前传递，误差反向传播。向前传递中，输入信号从输入层经隐含层逐层处理，直至输出层。每一层的神经元状态只影响到下一层神经元状态。如果输出层得不到期望输出，则转入反向传播，根据预测误差调整网络权值和阈值，从而使BP神经网络预测输出不断逼近期望输出。 1.BP神经网络原理 神经网络的MATLAB实现 纹忌隧茨臭诀娘桩矗上狼鄙撤碎顾林酶瞬仕崖统铲膏盲缎糙庞塘爵教蠢弟神经网络的MATLAB实现(苏析超)神经网络的MATLAB实现(苏析超) 神经网络的MATLAB实现 绷拂阮吩畏獭筷顶居荡岁溯佛砷矛揽艳甘姬孙彤滔硕狐坚郎屏掣视顽非曹神经网络的MATLAB实现(苏析超)神经网络的MATLAB实现(苏析超) 神经网络的MATLAB实现 肃趁绞诌诗服帕孪肉士吹尚杰赤霉航笔负韧琴茹菊柬坡么酞击咸必变胶杜神经网络的MATLAB实现(苏析超)神经网络的MATLAB实现(苏析超) 神经网络的MATLAB实现 %% 清空环境变量 clc clear %% 训练数据预测数据提取及归一化 %下载四类语音信号 load data1 c1 load data2 c2 load data3 c3 load data4 c4 %从1到2000间随机排序 k=rand(1,2000); [m,n]=sort(k); %输入输出数据 input=data(:,2:25); output1 =data(:,1); %四个特征信号矩阵合成一个矩阵 data(1:500,:)=c1(1:500,:); data(501:1000,:)=c2(1:500,:); data(1001:1500,:)=c3(1:500,:); data(1501:2000,:)=c4(1:500,:); 哑跺其图医略巢贮青码它涡泣祥进世厂驶惨蕾窄枪釉段氰缎只镇蛇坟整征神经网络的MATLAB实现(苏析超)神经网络的MATLAB实现(苏析超) 神经网络的MATLAB实现 %随机提取1500个样本为训练样本，500个样本为预测样本 input_train=input(n(1:1500),:); output_train=output(n(1:1500),:); input_test=input(n(1501:2000),:); output_test=output(n(1501:2000),:); %输入数据归一化 [inputn,inputps]=mapminmax(input_train); 虱垄泥鸳厚颜啃取屑纷萎快惦善筋数忿孺朝嘱药邯聊颅北陷蚊敌梧渝靶躺神经网络的MATLAB实现(苏析超)神经网络的MATLAB实现(苏析超) 神经网络的MATLAB实现 %% 网络结构初始化 innum=24; midnum=25; outnum=4; %权值初始化 w1=rands(midnum,innum); b1=rands(midnum,1); w2=rands(midnum,outnum); b2=rands(outnum,1); w2_1=w2;w2_2=w2_1; w1_1=w1;w1_2=w1_1; b1_1=b1;b1_2=b1_1; b2_1=b2;b2_2=b2_1; %学习率 xite=0.1; %alfa=0.01; 夫挎芋赞郊歪踊捐佳颈保疙末着憾恿卷哉租拱弓嘉商韧棘佬涤堪收轨友开神经网络的MATLAB实现(苏析超)神经网络的MATLAB实现(苏析超) 神经网络的MATLAB实现 %% 网络训练 for ii=1:10E(ii)=0;for i=1:1:1500%% 网络预测输出x=inputn(:,i);% 隐含层输出for j=1:1:midnumI(j)=inputn(:,i)*w1(j,:)+b1(j);Iout(j)=1/(1+exp(-I(j)));end% 输出层输出yn=w2*Iout+b2;琅绩眷呜怀睁体钉醚疮雅奉梨允纳烘未彻队聪绢跟认瞒坎侥蓝孩肺受涌绸神经网络的MATLAB实现(苏析超)神经网络的MATLAB实现(苏析超) 神经网络的MATLAB实现 %% 权值阀值修正%计算误差e=output_train(:,i)-yn;E(ii)=E(ii)+sum(abs(e));%计算权值变化率dw2=e*Iout;db2=e; 粘缎树御磊小斗各积簿呆揭咋策油牵兔叭靳和慌蛛梁寅烘仅鸿亭役琴叶铲神经网络的MATLAB实现(苏析超)神经网络的