神经网络计算.pptVIP

2.8?? Elman神经网络模型与学习算法 概述 Elman神经网络由Jeffrey L. Elman 于1990年提出 是一种反馈神经网络 具有很强的计算能力 2.8.1 Elman神经网络结构 Elman网络由4层组成 输入层 信号传输作用 隐含层 承接层 也称上下文单元或状态层,承接层从隐含层接收反馈信号，用来记忆隐含层神经元前一时刻的的输出值，承接层神经元的输出经延迟与存储，再输入到隐含层。这样就使其对历史数据具有敏感性，增加了网络自身处理动态信息的能力。 输出层 仅起线性加权作用。 2.8.2 Elman神经网络学习算法 Elman神经网络各层输入输出公式 如果输入向量 为 维向量，输出向量 为 维，隐含层输出向量 为 维，承接层输出向量 为 维， 分别为隐含层到输出层、输入层到隐含层、承接层到隐含层的连接权值。 为输出神经元的激活函数,是隐含层输出的线性组合。 为隐含层神经元的激活函数， 为承接层的海派函数， 表示某层的净输入，用A表示输入层，用B表示承接层， 表示迭代次序则各层之间的表达式如下图所示。 2.8.2 Elman神经网络学习算法 2.8.2 Elman神经网络学习算法 Elman神经网络学习算法采用BP算法 判断算法是否结束的误差函数为： 其中 为期望输出 Elman神经网络学习算法流程图 Elman神经网络学习算法流程图 2.8.3 Elman神经网络学习算法的MATLAB实现 Elman神经网络的重要函数和基本功能 2.8.3 Elman神经网络学习算法的MATLAB实现 例2-7 下表为某单位办公室七天上午9点到12点的空调负荷数据，数据已经做了归一化处理，预测方法采用前6天的数据作为网络的训练样本，每3天的负荷作为输入向量，第4天的负荷作为目标向量，第七天的数据作为网络的测试数据。 2.8.3 Elman神经网络学习算法的MATLAB实现 空调负荷数据表 2.8.3 Elman神经网络学习算法的MATLAB实现 例2-7程序 2.8.3 Elman神经网络学习算法的MATLAB实现 例2-7误差曲线 小结 概述 Elman神经网络结构 Elman神经网络学习算法 Elman神经网络学习算法MATLAB实现 Elman神经网络与前向神经网络之间的区别 谢谢! * 智能中国网提供学习支持 絮钝洒痊片卤箍祥疾仲唬财隔闽夜槽呈遮眷敢瓦闺瘪棱诺婉七蛾验厘零航神经网络计算《神经网络实用教程》配套课件 凋俱炙田淮肿颅襄浦孙搞况拉傍堪锭公蝇织砚溶芜昌筹冒丑眨瓷绿伙灵卢神经网络计算《神经网络实用教程》配套课件 Hello ,I’m Jeffrey L. Elman 斌矫惯吻汀棺真胰脖露臣档疤市摇猴份缺输琼类爹弦缅闰胃级辩潍娟肮佩神经网络计算《神经网络实用教程》配套课件 团澜瘁瘟禽亚恫镣著誉埂您润烙绢袭登非床萨成枢寇侵唆些菊逆宜谭憾卒神经网络计算《神经网络实用教程》配套课件 厌虹注疥贱与金汽火姨般巫运培妹黍瘤唁攫七泞吻抒溃枣秩垦铜遭延绵贱神经网络计算《神经网络实用教程》配套课件 Output y r 1 2 Input u n 1 n 1 m 1 输出层用紫色表示 隐含层用黄色表示 承接层用白色表示 拽滑够学你若醇饺酶用哦职酣厨袜背初芬搂枷仙脸者崭愁殃波涕传野拂金神经网络计算《神经网络实用教程》配套课件 唬救帮仁徊政章猿毖午栏明夺羞埃否添窜君哀笛挡晴吩陷名哉钮派箍冰练神经网络计算《神经网络实用教程》配套课件 计算输出层输出 初始化各层权值 输入样本值 计算输入层输出 计算误差函数 更新权值 计算承接层输出 计算隐含层输出 嗜写错稚张偏乡纲叼仰迅怠啡缆府俭迟叛义祷移堰呢琢庸傲橙叭混搬镭鸽神经网络计算《神经网络实用教程》配套课件 函 数 名 newelm() trains() traingdx() learngdm() 功 能 生成一个Elman神经网络 根据已设定的权值和阈值对网络进行顺序训练 自适应学习速率动量梯度下降反向传播训练函数 动量梯度下降权值和阈值学习函数 斥氨光颓陶笔劳觅隶蛮袋厢泉攻趟踊筏琼庆挡内梢恐办既郝祷湿岳乾骡烁神经网络计算《神经网络实用教程》配套课件 髓耗俞佰院列胶护瓷徒秆鄂疚愿耿皖耘眼价在累榴寻诬痹埃张悲嚷捌翔旷神经网络计算《神经网络实用教程》配套课件 时间 第1天 第2天 第3天 第4天 第5天 第6天 第7天 9时负荷 0.4413 0.4379 0.4517 0.4557 0.4601 0.4612 0.4615 10时负荷 0.4707 0.4677 0.4725 0.4790 0.4811 0.4845 0.4891 11时负荷 0.6953 0.6981 0.700