原创力文档- 1、本文档共4页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第9页
静态网络中的同步输入仿真
net=newlin([-1 1;-1 1],1);
w=[1,2],b=[0];
net.IW{1,1}=[1 2];
net.b{1}=0;
p=[1 2 2 3;2 1 3 1];
A=sim(net,p)
成功
动态网络中的异步输入仿真
net=newlin([-1 1],1,[0 1]);
net.biasConnect=0;
W=[1,2];
net.IW{1,1}=[1 2];
P(1)=[1],P(2)=[2],P(3)=[3],P(4)=[4];
P={1 2 3 4};
A=sim(net,P)
第十页
动态网络中的同步输入仿真
net=newlin([-1 1],1,[0 1]);
net.biasConnect=0;
W=[1,2];
net.IW{1,1}=[1 2];
P(1)=[1],P(2)=[2],P(3)=[3],P(4)=[4];
P={1 2 3 4};
A=sim(net,P)
P=[1 2 3 4];
A=sim(net,P)
成功
同时模拟两组网络响应
P={[1 4] [2 3] [3 2] [4 1]};
A=sim(net,P)
不成功
5训练方式
批处理方式
net=newlin([-1 1;-1 1],1,0,0);
net.IW{1,1}=[0 0];
net.b{1}=0;
P={[1;2] [2;1] [2;3] [3;1]};
T={4 5 7 7};
[net,a,e pf]=adapt(net,P,T)
成功
静态网络中的增加方式：
net=newlin([-1 1;-1 1],1,0,0);
net.IW{1,1}=[0 0];
net.b{1}=0;
P={[1;2] [2;1] [2;3] [3;1]};
T={4 5 7 7};
net.inputWeights{1,1}.learnParam.lr=0.1;
net.biases{1,1}.learnParam.lr=0.1;
[net,a,e,pf]=adapt(net,P,T);
第12页
动态网络中的增加方式：
net=newlin([-1 1],1,[0 1],0.1);
net.IW{1,1}=[0 0];
net.biasConnect=0;
Pi={1};
P={2 3 4};
T={3 5 7};
[net,a,e,pf]=adapt(net,P,T,Pi)
半成功，数据不是完全对应
第13页
批处理方式
静态网络中的批处理方式
用adapt函数的批处理方式调整
net=newlin([-1 1;-1 1],1,0,0.1);
net.IW{1,1}=[0 0];
net.b{1}=0;
P=[1 2 2 3;2 1 3 1];
T=[4 5 7 7];
[net,a,e,pf]=adapt(net,P,T) net.IW{1,1} net.b{1}
成功
用train出发，用于批处理方式。
net=newlin([-1 1;-1 1],1,0,0.1);
net.IW{1,1}=[0 0];
net.b{1}=0;
P=[1 2 2 3;2 1 3 1];
T=[4 5 7 7];
net.inputWeights{1,1}.learnParam.lr=0.1;
net.biases{1}.learnParam.lr=0.1;
net.trainParam.epochs=1;
net=train(net,P,T);
net.IW{1,1}
net.b{1}
动态网络中的增加方式
net=newlin([-1 1],1,[0 1],0.02);
net.IW{1,1}=[0 0];
net.biasConnect=0;
net.trainParam.epochs=1;
Pi={1};
P={2 3 4};
T={3 5 6};
net=train(net,P,T,Pi)；
net.IW{1,1}
第15页
返乡传播网络（BP网络）
tansig(deriv)
成功
网络构建和初始化
net=newff([-1 2;0 5],[3,1],{tansig,purelin},traingd);
net=init(net);
net.layers{1}.initFcn=initwb;
net.inputWeights{1,1}.initFcn=rands;
net.biases{1,1}.initFcn=rands;
net.biases{2,1}.initFcn=rands;
net=init(net);
不成功
p=[1;2];
a=sim(net,p)
不完全成功，数据不对
p=[1 3 2;2
文档评论（0）