第5章_人工神经网络_matlab工具箱课件.ppt

模式识别讲义第5章 人工神经网络;主要内容;0 引例:神经网络函数拟合(预测);matlab代码;∑;埠胆租盈眼硕则讯茁稽蒸闷沃央勒撬壹茁条姿葵八继军烫剁墨虐五缴元突第5章_人工神经网络_matlab工具箱课件第5章_人工神经网络_matlab工具箱课件;倍沮铀莫款屈谣辰蛤锄款甄雾三浦苹稿括虫掣乍库闹煎桑袱办远悔咬岩彭第5章_人工神经网络_matlab工具箱课件第5章_人工神经网络_matlab工具箱课件;1 matlab神经网络工具箱;1.1 网络数据对象的建立;1.2 网络数据对象net的属性;net.trainParam.epochs：最大训练步数。不过当误差准则满足时，即使没达到此步数也停止训练。缺省为100。 net.trainParam.goad：网络误差准则，当误差小于此准则时停止训练，缺省为0。 net.trainFcn：训练算法。缺省为 ’trainlm’，即Levenberg-Marquardt算法。还可使用‘traingdx’，即带动量的梯度下降算法；’traincgf’，即共轭梯度法。 其它可看matlab帮助:help-contents- Neural Network Toobox- Network Object Reference; help(net.trainFcn);help newff Caution: trainlm is the default training function because it is very fast, but it requires a lot of memory to run. If you get an out-of-memory error when training try doing one of these: Slow trainlm training, but reduce memory requirements by setting net.trainParam.mem_reduc to 2 or more. (See help trainlm.) Use trainbfg, which is slower but more memory-efficient than trainlm. Use trainrp, which is slower but more memory-efficient than trainbfg. ;1.3 网络的训练;1.4 网络的泛化(预测);2 人工神经网络(ANN)简介;2.1 人工神经网络(ANN)的研究内容;2.2 ANN研究的目的和意义;2.3 人工神经网络研究的局限性;3 前馈神经网络(BP网络);3.1 前馈神经网络(BP网络)的特点;自学习和自适应能力：神经网络在训练时，能从输入、输出的数据中提取出规律性的知识，记忆于网络的权值中，并具有泛化能力，即将这组权值应用于一般情形的能力。神经网络的学习也可以在线进行。 数据融合的能力：神经网络可以同时处理定量信息和定性信息，因此它可以利用传统的工程技术（数值运算）和人工智能技术（符号处理）。 多变量系统：神经网络的输入和输出变量的数目是任意的，对单变量系统与多变量系统提供了一种通用??描述方式，不必考虑各子系统间的解耦问题。;3.2 BP网络输入/输出变量的确定;3.3 BP网络数据的预处理;3.4 BP网络隐层数的确定;3.5 BP网络隐层节点数的确定;在确定隐层节点数时必须满足下列条件： (1)隐层节点数必须小于N-1（其中N为训练样本数），否则，网络模型的系统误差与训练样本的特性无关而趋于零，即建立的网络模型没有泛化能力，也没有任何实用价值。同理可推得：输入层的节点数（变量数）必须小于N-1。 (2) 训练样本数必须多于网络模型的连接权数，一般为2~10倍，否则，样本必须分成几部分并采用“轮流训练”的方法才可能得到可靠的神经网络模型。 ;3.6 BP网络的训练算法;3.7 BP网络的学习率和冲量系数的选择;3.8 BP网络的初始连接权值;3.9 BP网络的性能和泛化能力;4 实例：多元神经网络预测;实验号;实验号; 网络分为4层。各层节点数分别为：输入层2个；第一隐层12个；第二隐层6个；输出层1个。;模型的参数;;; ;5 实验：神经网络分类