哈工大智能控神经网络课件第四课MATLAB NN工具箱.pptVIP

人工神经网络理论及应用 屈桢深 哈尔滨工业大学 MATLAB NN工具箱介绍 支持以下NN模型： 感知器 BP网络 RBFN网络 竞争型网络 自组织网络 反馈网络 MATLAB NN工具箱功能 NNET 5.0含近200个工具箱函数，包括： 各类神经网络训练； 图形化显示(误差结果，权值等)； 与Simulink紧密结合，拖放方式创建NN； Simulink中NN Control和Fuzzy NN实现(ANFIS) MATLAB NN表示 神经网络——介绍 u=[-1:0.05:1]; %样本输入 t=0.5+0.5*sin(2*pi*u); %样本输出 net=newff([-1 1],[5 1],{'tansig','purelin'},'trainlm'); % 训练参数 net.trainParam.goal=1e-6; net.trainParam.epochs=10000; [net,tr]=train(net,u,t); %训练 y=sim(net,u); %实际输出 plot(u,t,‘b’,u,y,‘r’); %期望输出和实际输出比较 Net对象属性 　NN工具箱中最重要的对象。引用方式： 网络名.[子对象].属性 e.g. net.numInputs, net.trainParam.epochs, net.layers{1}.size 代码中表示方法 Net对象属性：结构类型 决定神经网络结构，包括输入向量，网络层，输出向量，权值向量等, 以及他们的连接关系 numLayers: 神经网络层数 演示 Net对象属性：子对象类型 inputs：输入层结构(.range, .size) layers: 各网络层结构(.size, .transferFun) outputs: 输出向量结构 targets: 各网络层目标向量 biases: 各网络层阈值向量 inputWeights: 输入层权值向量 layerWeights: 各网络层权值向量 Net对象属性：函数属性 定义了在权值调整，初始化，性能计算或训练时采用的算法 adaptFcn：权值/阈值调整 initFcn：初始化权值/阈值 performFcn：性能指标函数 trainFcn：训练函数信号处理 Net对象属性：函数属性(3) trainFcn traingd traingdx +自适应学习速率+动量因子 trainrp 弹性BP traincgb 一种改进的共轭梯度法 trainlm Levernberg-Marquardt 其他… Net对象属性：参数属性(train) net.trainParam.epochs 100 最大训练周期 net.trainParam.max_fail 5 最大失败次数 net.trainParam.mem_reduc 1 内存/速度折中系数(LM) net.trainParam.min_grad 1e-10 最小梯度 net.trainParam.mu 0.001 初始μ(LM) net.trainParam.mu_dec 0.1 μ 减小系数 net.trainParam.mu_inc 10 μ 增加系数 net.trainParam.mu_max 1e10 最大 μ net.trainParam.show 25 训练周期 net.trainParam.time inf 最多训练时间 不同训练函数对应参数可能不同 Net对象属性：权值/阈值 基于权值和阈值属性的访问方式： IW 输入权值； LW 网络层权值； b 阈值(输入层+网络层) 演示 MATLAB中的BP算法 基于最速下降的方法及改进 基于共轭梯度的方法 基于二阶导数的方法 MATLAB BP算法: 最速下降法与改进 最速下降法(SDBP) 动量BP法 学习速率可变的BP算法 弹性BP算法 MATLAB BP算法: 最速下降法 训练函数：traingd 演示 ：nnd12sd1 MATLAB BP算法: 动量BP 训练函数：traingdm 演示 ：nnd12mo MATLAB BP算法: 学习速率可变BP 训练函数：traingdx