matlab和 与神经网络工具箱 第二讲.ppt

MATLAB与神经网络工具箱;第一节课;MATLAB语言及入门;MATLAB概述;1980 年前后，当时的新墨西哥大学计算机系主任 Moler 教授在讲授线性代数课程时，发现了用其他高级语言编程极为不便，便构思并开发了 MATLAB (MATrix LABoratory，即矩阵实验室), 这一软件利用了当时数值线性代数领域最高水平的 EISPACK 和 LINPACK 两大软件包中可靠的子程序，用 Fortran 语言编写了集命令翻译、科学计算于一身的一套交互式软件系统。 ;MATLAB最新版本;MATLAB的应用领域;MATLAB的产品构成;MATLAB的功能;数据可视化功能 矩阵运算功能 大量的工具箱 绘图功能 GUI设计 S1MULINK仿真;MATLAB语言特点;;% x=-5:0.1:5; y1=sin(x); y2=sin(2*x); y3=sin(3*x); Plot（x，y1，‘rs’）; hold on; Plot（x，y2，‘b--’）; hold off; figure; Plot（x，y3，‘k+’）; ;;MATLAB快速入门;command window Command history Current directory Workspace browser Editor and Debugger Help ;第二节课;神经网络发展史;介绍：人脑是产生自然智能的源泉，是真正出色的并行计算机。人工神经网络（Artificial Neural Networks，简称ANN）是在人类对其大脑神经网络认识理解的基础上人工构造的能够实现某种功能的神经网络，它是理论化的人脑神经网络的数学模型，是基于模仿大脑神经网络结构和功能而建立的一种非算法的信息处理系统。;其优点有： （1）高度并行性 （2）高度非线性全局作用 （3）良好的容错性与联想记忆功能 （4）十分强的自适应、自学习功能 ;神经网络模型;神经元结构 神经元是神经网络的基本计算单元，一般是多输入、单输出的非线性单元，可以有内部反馈和门限值。下图是神经元的结构性模型。 ;神经网络的互连模式 前向网络 有反馈的前向网络 层内有相互结合的前向网络 相互结合型网络;第三节课;神经网络工具箱快速入门;具体过程;net=newrb(t,y,0.0001,2,30,1) Plot（t，y） hold on; title(‘训练样本’); xlabel(‘输入向量); ylabel(‘输出向量); t1=0:0.01:4.9; y1=sim(net,t1); plot(t1,y1,r--) ;。;net=newff([-1 2;0 5], [31], {‘tansig’,’purelin’},’traingd’); Net=init(net); P1=[1:2]; A1=sim(net,p1) P2=[1 3 2;2 4 1] A2=sim(net,p2);;Net=newff([-2 2],[4 1], {‘tansig’,’purelin’},’trainlm’’learngdm’,’msereg’) P=[-2 -1 0 1 2]; T=[0 1 1 1 0]; Net.performparam.ratio=20/(20+1) y=sim(net,p) e=t-y Perf=msereg(e,net);Net=newff([0 10],[5 1], {‘tansig’,’purelin’}); P=[0 1 2 3 4 5 6 7 8 9 10]; T=[0 1 2 3 4 3 2 1 2 3 4]; Net.trainparapm.epochs=200; Net=train(net,P,T); Figure; Y=sim(net,P); Plot(P,T,P,Y,’o’)