人工神经与应用实验指导.docVIP

西北农林科技大学研究生教学参考书 《人工神经网络与应用实验指导》 信息工程学院 二〇一〇年十二月十三日  实验一 MATLAB ANN工具箱及感知器实现 一、实习目的和意义 使学生熟悉并掌握Matlab基本运算编程和运行，掌握人工神经网络工具箱帮助、示例等资源，掌握自主学习Matlab编程的能力，并能设计实现感知器，为后续处理打下基础。 二、实习内容 1、熟悉Matlab基本运算编程，掌握人工神经网络工具箱帮助、示例等资源。 （1）学会给矩阵赋值及常用矩阵运算； （2）学会在命令窗口单步执行命令；编写m文件及运行的方法； （3）掌握命令后“；”的显示控制作用，掌握清除命令窗口clc、图像窗口clf、内存和函数clear等命令的用法。 （4）学会用plot(x,y)绘制图形的方法；绘制双曲正切S函数的一阶导数曲线。 （5）掌握人工神经网络工具箱帮助、示例等资源。 2、设计一个感知器，并运行，分析结果、理解感知器算法。 三、实习参考 （1）Matlab基本运算 Matlab区分大小写，Abc，ABC，abc表示不同的矩阵名。在矩阵A中，同一行中的内容用逗号分隔，而采用分号来表示换行。一般情况下，用于同行中分隔的逗号是可以由空格来代替的。 基本的赋值语句：A＝[1，2，3；4，5，6；7，8，0] 矩阵加减法运算：C=A+B 和C=A－B。 矩阵的转置：AT ＝A’。 矩阵的点乘：C=A.×B 矩阵的除法：x=A./B。 矩阵乘法:C=A×B 对一个矩阵单个元素赋值和操作: A（：，j）表示A矩阵的第j列元素；A（i，：）表示A矩阵的第i列全部元素。 在命令窗口中，输入 help 命令，如help plot，则会给出相关的帮助信息。 （2）S曲线函数式为，设x在[-10，10]之间每隔0.1取一个值。用plot()绘制S曲线。可编写m文件（polt_s.m）如下： %画S曲线 x=[-10:0.1:10]; %给x赋值 y=1./(1.0+exp(-x)) %计算y plot(x,y) %绘制x-y关系曲线（S曲线） hold on %保持图形，在原图上继续绘制 y1=y*(1.-y); %计算S曲线的一阶导数 plot(x,y1,--r) %绘制S曲线的一阶导数曲线 （3）设计一个二维输入矢量分为两类。 %gzq1.m %P 输入向量,T为目标向量 P=[-1.0 -0.5 +0.3 -0.1; -0.5 +0.5 -0.5 +1.0] T=[1 1 0 0]; plotpv(P,T); %绘制感知器的输入输出矢量 disp(按任意键继续.) pause %按任意键继续 net=newp([-1 1;-1 1],1); %NEWP 建立一个感知器. plotpv(P,T); %绘制输入向量 plotpc(net.IW{1},net.b{1}); %绘制初始分类线 net.adaptParam.passes = 3; net = adapt(net,P,T); %ADAPT返回一个最佳分类的网络ner plotpc(net.IW{1},net.b{1}); %绘制训练后的分类线 %利用训练好的感知器进行分类 p=[0.7;1.2]; %给定一个输入 a=sim(net,p) %SIM对感知器神经网络进行仿真.行尾无“；”号， %在命令窗口显示a的值。 disp(结束！) 四、思考与讨论 1、如何控制程序运行暂停时间？ 2、比较一个命令行后有无“;”的差别。 3、画出gzq1.m中网络模型。 4、查帮助并分析plot、plotpv、plotpc的不同。 实验二 自适应线性元件的设计与训练 一、实习目的和意义 掌握用Matlab人工神经网络工具箱设计自适应线性元件的方法，掌握人工神经网络学习和训练过程；理解误差曲面；分析比较自适应线性元件的不足。 二、实习内容 1、掌握自适应线性元件的方法。设计一个线性神经元响应特定输入下的目标输出：P = [1.0 -1.2];T = [0.5 1.0];用ERRSURF函数计算在一定范围可能权重和阈值下的神经元的误差，用PLOTES以等高线的形式绘制误差表面，并在误差曲面上绘制出最佳权重、阈值的点。 2、设计一个线性神经元件，线性神经元以实现对输入矢量P = [+1.0 +1.5 +3.0 4.5]和输出矢量T = [+0.5 +1.1 +1.7 2.6]的线性拟合。 3、在上面的网络设计中，不断增大学习率，分析学习大小对训练次数及网络能否收敛的影响。 三、实习参考 （1）自适应线性元件的方法及误差曲面分析 % 模式联想误差曲面 % 设计一个线性神经元响应特定输入下的目标输出 % P定义两个1单元的输入模式，T定义相关