现代传感器实验报告 神经网络的研究.pdfVIP

2013-2014 学年第 2 学期 院 别: 控制工程学院 课程名称: 现代传感器技术及应用 实验名称: 神经网络的研究 实验教室: 6教 指导教师: 章 洁 组 员： 赖百川 2011071014 温学林 2011071015 杨溢文 2011071016 官建伟 2011071017 实验日期： 2014 年 5 月 4 日 评 分： 实验名称： 神经网络的研究 实验目的： 人工神经网络 （Artificial Neural Network，简称ANN）是一种高度并行的信息处理系统，它 具有高度的容错性，自组织能力和自学习能力；它以神经科学的研究成果为基础，反映了人 脑功能的若干基本特性，对传统的计算机结构和人工智能方法是一个有力的挑战，其目的在 于探索人脑加工、储存和搜索信息的机制，进而应用于人工智能系统。研究神经网络的目的 可以归结为： 1）探求人脑神经系统的生物结构和机制； 2）用微电子学或光学器件形成特殊功能网络，主要应用于新一代计算机制造； 3）讲神经网络理论作为解决某些问题的一种手段和方法。 实验仪器： 计算机一台 Matlab 软件 labview 软件 实验过程及结果： 1.面向matlab工具箱的神经网络设计 （1）线性神经网络 线性神经网络是最简单的一种神经元网络，它可以由一个或多个线性神经元构成。50 年 代末期提出的自适应线性元件是线性神经网络最早的典型代表。其每个神经元的传递函数为 线性函数，其输出可以取任意值。线性神经网络可以采用Widrow-Hoff 学习规则，也称为LMS 算法来调整网络的权值和阈值。 （2）线性神经网络模型 线性神经元模型的神经元有一个线性传递函数purelin，其输入输出之间是简单的比例关 系，一次对单个线性神经元，由图1 可得，a=purelin(ω×p+b).因此，线性神经网络允许输出 可以取任意值，而不仅仅是0 或1。 图 线性神经元模型 1 图2 线性神经元传递函数 具有R 个输入的单层 （S 个神经元）线性神经网络模型如下图3 所示。 图3 单层多输入的线性神经网络模型 （3）线性神经网络的学习算法 Widrow-Hoff学习规则，又称为最小均方误差LMS （LeastMean SquareError）学习 算法，由Widrow-Hoff提出，属于有导师学习算法。LMS学习规则定义如下： 1 m 2 1 m 2 mse e (k) (d(k)  y(k)) m k 1 m k 1 （3-1） 其目标是通过调节权值，使mse从误差空间的某点开始，沿着mse的斜面向下滑行，最终使 mse达到最小值。LMS算法的实现有五个步骤： 第一步：初始化。给各个连接赋一个较小的随机值； 第二步：输入一个样本，计算连接权值的调整量：