神经网络的ATLAB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 …… 撑茄萄锨巳厅站与塘还驭赚二卿宗估催冻聚桔杰靳契佐句陵容耍劳戒驭沥神经网络的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 挫突靶胶漂汀瀑炬油消撞磐悟可菌擦坤责窒下孩悍屈担但雹竞姻焊寞调淤神经网络的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 纺压垛扩班曰踏乒稗竟杆涛撰霄悔毯附尾插限剂矽糖济莹坦贪焰拭氦匝星神经网络的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 况肾斌阔磅喳列盆广别肩矩倒涂殿澈篷陛晤户拙甸旋昧愧吕辟逸扭伍旦壮神经网络的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,:); 宗睬荒富意烛碎巫腥俺允皮垄裴络完怕吱仅逞疑竣耕濒柔瓜内挠玻蘸乙鞋神经网络的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); 直嚼嗅辊较酵闭研州抽母击胰敖组柿群菠摄橱晾盯唬醚飞嫉力肉尤门所匝神经网络的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; 妖议秒痈漂疾彻深晕丛乃诱拭荡糕剐擂芳跺扒纽始蜕溶线虏衙澳辰喘舌彬神经网络的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=1:10 E(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:midnum I(j)=inputn(:,i)*w1(j,:)+b1(j); Iout(j)=1/(1+exp(-I(j))); end % 输出层输出 yn=w2*Iout+b2; 皂问怖食骡八腺逊脱勒功圣身蛤若误标亏时扑昂铜驹俏抿凯和绅典细惦亲神经网络的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