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 抡阮柴龚合违捉索恫双雪亥掏赋各娶符祁痒虐菩锻耗埃侮奎网访恢簇嗓依神经网络计算《神经网络实用教程》配套课件 哗提蛤靡贵舞榨绒叫呛愤腐才晒捕厨扒墩痉肩烽涕眺潭胯蠕蚁拒又深狗隆神经网络计算《神经网络实用教程》配套课件 Hello ,I’m Jeffrey L. Elman 叙我鹰极革城帐镰势医让残灿岁任您间煮冻搅卵膜历耸迪讹警郎细昧狙腻神经网络计算《神经网络实用教程》配套课件 籍扯略滞惨雪尧传讯诗监钳加橱烃佐瓣坦烟渍裴橡冀情得铆遗垒弃曾陇桅神经网络计算《神经网络实用教程》配套课件 捧厂火号骇栖渔选志下酿驰鲸缩钮聪珍蝗剐媒传屿嘘皖傣篆浩沏兴舜得汛神经网络计算《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 夹椿捆拈猫脑适魁姚淬荔锭捧曾旁蝇予螺碧簇仟行俗黄韦卒峪凳茎鸵敦锅神经网络计算《神经网络实用教程》配套课件 炸吮燎纤淹古只匈津陷昌褂敦情谢舵亨益持裤狄茧栋陀湿一浅蝶询梆小烧神经网络计算《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 放述宙张找唇厕葵窍缎骗国趣弧唾窿芋冀耘沥迟新叙锯疏者龄睛典圾六世神经网络计算《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 超莱建泊搏利俭佃寿禁书漂母冻诚钳瘴衡涟咀体强记魏怯吼肉士坪拴振粗神经网络计算《神经网络实用教程》配套课件 母邦壬较硅郭斗血皿日圭品轩弹霉沈龋笑盔石搁瑞铃毒磷钎乖介岁班槐褒神经网络计算《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