5神经网络答题.ppt

2、 模型的matlab实现 此次预测选用MATLAB中的神经网络工具箱进行网络的训练，预测模型的具体实现步骤如下: 将训练样本数据归一化后输入网络，设定网络隐层和输出层激励函数分别为tansig和tansig函数，网络训练函数为trainlm，隐层神经元数设为6。网络迭代次数epochs为1000次，期望误差goal为0.00001，学习速率lr为0.01。设定完参数后，开始训练网络。 该图显示此网络是一个三层网络，一个隐含层，隐含层的神经元有6个，输入层有8个输入，最后有1个输出。网络通过4次重复学习达到期望误差后则完成学习。 图5 神经网络仿真过程 3、matlab实现 图6 matlab训练模拟仿真结果 网络训练结果校验图。 在神经网络工具箱中进行训练网络并预测输出。网络训练好后，把此同学的其余几项成绩作为预测输入输进网络模型中，最后得到此同学的举重成绩为51.68。 图7 预测结果 4、神经网络工具箱实现 5、matlab代码 load M523 input output input_test [inputn,inputps]=mapminmax(input); [outputn,outputps]=mapminmax(output); net=newff(inputn,outputn,6); net.trainParam.epochs=1000; net.trainParam.lr=0.1; net.trainParam.goal=0.00001; net=train(net,inputn,outputn); inputn_test=mapminmax(apply,input_test,inputps); an=sim(net,inputn_test); BPoutput=mapminmax(reverse,an,outputps); E = output -BPoutput MSE=mse(E) echo off input=[2.24 2.33 2.24 2.32 2.2 2.27 2.2 2.26 2.2 2.24 2.24 2.2 2.2 2.35; 12 9 11 8 8 10 12 14 9 13 10 10 12 11; 9.6 10.3 9 10.3 10.1 10 9.6 9 9.6 9.2 9.5 9 9.5 9.7; 2.45 2.75 2.5 2.65 2.5 2.4 2.55 2.5 2.55 2.5 2.4 2.1 2.6 2.45; 2.15 2.2 2.2 2.2 2 2.15 2.14 2.1 2.1 2.1 2.15 2 2.1 2.15; 140 120 140 150 80 130 130 100 130 140 115 80 90 130; 2900 3000 3200 2800 3500 3600 3000 3200 2900 3600 3500 3400 2900 3300; 11 10.9 11.4 10.8 11.3 11.5 11.8 11.3 11.8 11 11.9 13 11.1 10.85]; output=[50 70 50 80 50 60 65 40 65 50 50 50 70 70]; input_test=[2.2;12;9.3;3.3;2.05;100;2.8;11.2] 6、附M523.dat 七、问题 1、模糊算法模糊化的方法有哪些？ 2、分析鲁棒稳定性的方法有哪些？ 3、在最优控制的动态系统中，控制无约束时，采用什么 方法；当控制有约束时，采用什么方法？ 4、H无穷控制主要用于怎样的鲁棒控制问题？ 5、自适应控制和最优控制不同之处是什么？ 谢谢！ 2016 神经网络 一、神经网络的概念 人工神经网络是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型，如右图。 神经网络是一种运算模型， 由大量的节点（或称神经元）之 间相互联接构成。每个节点代表 一种特定的输出函数，称为激励函数。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。网络的输出则依网络的连接方式、权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。 图1 神经网络结构 二、神经网络的分类 没有反馈的前向网络（如BP） 即各神经元接收前一层的输入，并输 出给下一层，没有反馈。 神经网络的连接