实验报告 BP神经网络(2150230509).docVIP

BP神经网络对蝴蝶花进行分类，软件工程，文成，2150230509 PAGE 11 深 圳 大 学 实 验 报 告 实验课程名称： 神经网络与进化算法 实验项目名称： BP神经网络对蝴蝶花进行分类 学院： 计算机与软件 专业： 软件工程 报告人： 文 成 学号： 2150230509 同组人： 无 指导教师： 朱安民 实验时间： 2016年4月1日 至 2016年4月7日 实验报告提交时间： 2016年4月7日 教务处制 实验目的 初步熟悉BP神经网络，并设计一个BP神经网络对蝴蝶花进行分类 实验内容 设计一个BP神经网络对蝴蝶花进行分类，要求提交试验报告，内容包括： 问题说明描。 数据述。 网络设计，包括输入层、隐含层、输出层节点个数的设计。 算法步骤。 编程，注意原始数据的通用化，数据输入的随机性。 网络训练，注意训练数据与验证数据分开。 网络验证 结果分析，修改隐含层节点个数，修改学习率，分别对结果的影响。 体会，例如对下列问题的理解： BP学习算法的基本思想? BP网络设计中结点个数如何确定? 为什么要对数据进行通用标准化,即转为[-1,1]? 为什么要对训练数据的输入顺序进行随机化处理？ 为什么训练数据与测试数据要分开？ 注意：如果用MatLab编程序，将下列数据存放到一个文本文件（例如data.dat），编写程序存放到一个m文件中（例如你的学号.m），数据文件和程序文件放在同一文件夹下。运行MatLab后，指定上述文件夹为工作区域，在命令行运行m文件。 实验步骤 前期工作： 首先将实验数据分为两组，一组用于训练，一组用于测试。分别保存在trainData.txt和testData.txt中（115组训练数据和35组测试数据）。如图所示： 各列数据代表的意义如下： 序号 种类 叶长 叶宽 花长 花宽(单位:cm) 1 1 49 30 14 2 2 2 66 29 46 13 … 150 3 65 33 60 25 （本实验设计一个BP网络，先用75%的数据对网络进行训练，然后用25%的数据进行检测。） 网络设计： 输入层用4个节点，分别对应文件中的3/4/5/6列，隐层用3个节点。因为输出有3类，我们也用3个节点来表示，分别对应100/010/001。 算法描述： BP学习算法类似于LMS算法，它是基于梯度下降：即权值按照错误信号的负梯度方向进行修改。其主要优点在于将高层的错误表现反向传递为低层，从而修改权值。 第一步，初始化 权值随机赋值，取值范围[-1, +1] 第二步，输入层FA输入样品，计算出隐层FB活动 第三步，计算出输出层FC活动 第四步，网络输出和期望输出相比较，计算出输出层FC的错误 第五步，反传，计算出隐层FB的错误 第六步，修改FC层和FB之间的权值wij 第七步，修改FA层和FB之间的权值vhj 第八步，修改偏差?i 、?j 重复第二到第八步，直到输出层FC的错误足够小 MATLAB编程： 使用Matlab建立前馈神经网络主要会使用到下面3个函数： newff ：前馈网络创建函数 train：训练一个神经网络 sim ：使用网络进行仿真 MATLAB代码如下，根据隐含层节点个数、学习率、激活函数的选择不同只需要要稍作修改。 %读取训练数据 [id,class,f1,f2,f3,f4,] = textread(trainData.txt , %f%f%f%f%f%f); %特征值归一化 [input,minI,maxI] = premnmx( [f1 , f2 , f3 , f4 ]) ; %构造输出矩阵 s = length( class ) ; output = zeros( s , 3 ) ; for i = 1 : s output( i , class( i )+1 ) = 1 ; end %创建神经网络 net = newff( minmax(input) , [3 3] , { logsig logsig } , traingdx ) ; %设置训练