人工神经网络实验.doc

实验一 人工神经网络 实验目的 熟悉MATLAB中神经网络工具箱的使用方法 掌握BP神经网络的特性和应用范围 掌握使用BP神经网络解决实际问题的方法 实验内容 需要对正弦函数进行逼近，即使用一个或多个正弦函数作为样本，进过训练后能对类似的所有正弦函数画出其函数所对应的图形，实际中建立的无线逼近的对象为一个正弦曲线如图1所示。 图1 图2 BP神经网络的部分初始参数与目标数据如下： BP神经网络参数：隐含层神经元网络的个数为10个，设置BP神经网络的最大训练次数为50。 在初始参数下，观测BP神经网络的训练过程及使用测试数据进行仿真的输出，然后将最大的训练次数设置为100，500,1000等等，分析网络的输出效果以便确定网络的训练次数。 在其他参数保持不变的情况下，改变隐含层神经网络的个数，例如2个、8个、10个、20个等等，观测BP神经网络的训练过程和输出，以便最终确定隐含层神经网络的个数。 图3 图4 在BP神经网络已经训练好的情况下，讲输入的正弦函数改为sin(3*pi*p)、sin(4*pi*p)、sin(8*pi*p)时，然后测试训练好的BP人工神经网络能否正确的逼近它们。 实验总结 试验中根据net.trainParam.goal=0.01;设置训练精度为0.01，由图3可知：经过两次训练以后就可以达到要求的精度。 在初始参数下，将最大的训练次数设置为100,500,1000，对于神经网络的训练结果没有改变。 在其他参数保持不变的情况下，改变隐含层神经网络的个数，例如2个、8个、10个、20个等等，神经网络的跟踪逼近效果明显变差，由此可知神经网络中最难确定的是神经元网络的个数。 实验体会 通过这次实验训练了人工神经网络的仿真，实验先建立了一个非线性的函数为对象，然后建立人工神经网络并对其训练，最终跟踪输出次非线性函数，通过这次实验，进一步学习了人工神经网络的相关知识，巩固了课堂上所学的内容并通过实验将所学知识应用到具体实例中，让我受益匪浅。 MATLAB实验源码： %wuyunhe08.m %逼近函数建立 k=1; p=[-1:0.05:1]; t=sin(k*pi*p); plot(p,t,-) title(要逼近的非线性函数--233080108) xlabel(时间) ylabel(非线性函数) %建立神经元网络 n=10; net=newff([-1 1],[n 1],{tansig,purelin},trainlm); y1=sim(net,p); figure plot(p,t,-,p,y1,--) title(未训练网络的输出结果--233080108) xlabel(时间) ylabel(仿真输出——原函数) %%设置训练参数 %训练时间 net.trainParam.epochs=50; %训练精度 net.trainParam.goal=0.01; net=train(net,p,t); %%对训练好的网络进行仿真 y2=sim(net,p); figure plot(p,t,-,p,y2,--) title(训练网络后的输出结果--233080108) xlabel(时间) ylabel(仿真输出——原函数)