现代信号处理大型作业.doc

2013年现代信号处理大型作业 （选择1，2，3三道题） 一、请用多层感知器（MLP）神经网络误差反向传播（BP）算法实现异或问题输入为，要求可以判别输出0或1）并画出学习曲线。其中，非线性函 数采用S型Logistic函数。“传播”输出层的误差，以间接算出隐层误差。分两个阶段： 正向过程：从输入层经隐层逐层正向计算各单元的输出 反向过程：由输出层误差逐层反向计算隐层各单元的误差，并用此误差修正前层的权值。 2、流程图： 3、程序： %使用了3层结构，第二层隐藏层4个单元。2，3层都使用Logisitic函数。 %训练xor数据。 function mlp() f= fopen(XOR.txt); A = fscanf(f, %g,[3 inf]); A = A; p = A(1:2, :);%训练输入数据 t = A(3, :);%desire out [train_num , input_scale]= size(p) ;%规模 fclose(f); accumulate_error=zeros(1,3001); alpha = 0.5;%学习率 threshold = 0.005;% 收敛条件 ∑e^2 threshold wd1=0; wd2=0; bd1=0; bd2=0; circle_time =0; hidden_unitnum = 4; %隐藏层的单元数 w1 = rand(hidden_unitnum,2);%4个神经元，每个神经元接受2个输入 w2 = rand(1,hidden_unitnum);%一个神经元，每个神经元接受4个输入 b1 = rand(hidden_unitnum,1); b2 = rand(1,1); while 1 temp=0; circle_time = circle_time +1; for i=1:train_num %前向传播 a0 = double ( p(i,:) );%第i行数据 n1 = w1*a0+b1; a1 = Logistic(n1);%第一个的输出 n2 = w2*a1+b2; a2 = Logistic(n2);%第二个的输出 a = a2; %后向传播敏感性 e = t(i,:)-a; accumulate_error(circle_time) = temp + abs(e)^2; temp=accumulate_error(circle_time); s2 = F(a2)*e; %输出层delta值 s1 = F(a1)*w2*s2;%隐层delta值 %修改权值 wd1 = alpha .* s1*a0; wd2 = alpha .* s2*a1; w1 = w1 + wd1; w2 = w2 + wd2; bd1 = alpha .* s1; bd2 = alpha .* s2; b1 = b1 + bd1; b2 = b2 + bd2; end;%end of for if accumulate_error(circle_time) = threshold| circle_time3001 %then break; end;%end of if end;%end of while plot(accumulate_error,m); grid; xlabel(学习次数) ylabel(误差) disp([计算误差 = ,num2str(accumulate_error(circle_time))] ) ; disp([迭代次数 = ,num2str(circle_time)]); %测试 a0 = double ([0 0]); n1 = w1*a0+b1; a1 = Logistic(n1); n2 = w2*a1+b2; a2 = Logistic(n2); a = a2; disp([0 0 = ,num2str(a)]); a0 = double ([0 1]); n