第十一篇 章 神经网络的应用 智能系统课件.pptVIP

第十一章 神经网络的应用 ;11.1 BP网络结构、参数及训练方法的设计与选择 ;11.1.1 BP网络的设计 1) 网络结构 (1) 输入／输出节点 一般情况下，输入／输出节点的设计是需要有关于网络实现 任务的专业方面的知识。 (2) 层数 从实用的角度出发，除有特殊的要求，对于一般的应用情 况，采用具有一个隐含层的BP网络就能够达到目的。 (3) 每层激活函数 隐含层中一般采用S型的激活函数．输出层的激活函数可以 采用线性或S型。 2) 各个初始参数的取值 设计实现模糊控制规则为的模糊神经网络控制器，此处我们 定义取整函数int(x)为不大于x的最大整数。 ;(1) 输入/输出数据对的确定 a）网络由两个输入变量e（误差）和ec（误差的变化）构成输入向量P = [e; ec] ;(3) 隐含层节点数?S1的确定;此时对应的初始权值为： W10 =[2.2312 -2.2035;1.1189 -0.6776;1.5390 -1.7795; 1.3675 1.3787;1.6230 1.4963;-0.9914 -1.9675; 1.7568 2.3563;-1.3277 1.1191;2.9429 2.7832]; B10=[-1.9254;-0.2765;2.0183;2.6543;-0.7643;1.0097;-1.7705; -1.6106;2.5937]; W20 =[-1.3604 1.8750 -0.7371 -1.2319 1.7746 0.7099 -0.8243 -0.8762 1.3169]; B20 =[-0.1761]; ;4）学习速率的影响 ;11.1.2 采用自适应学习速率与固定学习速率的比较 ;11.1.3改进算法的性能比较 ;11.2 神经网络在电机非线性补偿中的设计与实现 ;11.2.2 伺服电机神经网络仿真器的设计 ;目标是获得实际伺服电机位移;图11.2 伺服电机模型的训练过程 ;网络的训练在误差平方和小于0.001或当循环训练次数达到所设最大值2000次时终止，网络的训练过程通过MATLAB神经网络工具箱来完成。 ;11.2.3神经网络补偿器的设计 ;图11.5 期望位移和从神经网络补偿器与仿真器串联后输出值的比较 ;11.2.4神经网络控制系统 ;11.2.5实验测试结果