神经网络学习报告.docxVIP

神经网络学习报告 一、什么是神经网络？ 神经网络是一种应用类似于人脑神经突触联接的结构进行信息处理的数学模型。它是由 大量功能单-的神经元构成，具有很好的学习能力和泛化能力。神经元作为神经网络的基本 构成单元，其主要由突触、加法器以及激活函数组成。突触用于信号的输入，加法器用丁?将 输入信号进行相应的计篦，激活函数川來限制神经元的输出振幅。激活函数主要冇以下三种 形式： 仁阈值函数即阶梯函数：当函数自变量小于0吋，函数输出为0,当函数的口变量大于 等于0时，函数的输出为仁 数学表示为： TOC \o 1-5 \h \z \o Current Document 1, v0 厂 \o Current Document f(v) = Y \o Current Document 0, v0 - 2、 分段线性函数：该函数的自变量v在负无穷到「之间时，函数输出为自变量v 在到1时，函数输出为V； 口变量v大于等于1时，函数输出为仁其数学表示为： \o Current Document 1, X1 「 f(v)= Jv, -1V1 \o Current Document -1, V-1 J 3、 非线性转移函数：该函数是当自变量在实域上变化是，其输出始终在0到间。 最常用的非线性转移函数是单极性sigmoid函数，简称S型函数单极性S型函数的数学表 示为： f(v)=l/(l+ev) 双极性S型函数的数学表示为： f(v)=(l-ev)/(l+e-v) 神经网络的类型从网络结构可分为前向神经网络和反馈神经网络。前向神经网络分为单 层前向神经网络和多层前向神经网络。区分前向神经网络和反馈神经网络主要是看输出层是 否冇反馈回到了输入层，冇则为反馈神经网络，否则为前向神经网络。区分单层前向神经网 络和多层前向神经网络主要是看是否有隐藏层，右则为多层前向神经网络，否则为单层前向 神经网络。单层前向神经网络、多层前向神经网络以及反馈神经网络网络模型分别如图1-k 1-2. 1?3所示。 图1-2多层前向神经网络 图单层前向神经网络InputBiases图1-3反馈神经网络 图单层前向神经网络 Input Biases 二、神经网络工具箱通用函数 sim函数，用于神经网络的仿真。其调用格式如下。 [y,pf,af,e,perf ]=sim(net,p,pi,ai,t) [y,pf,af ]=sim(net,{q ts },pi,ai) 其中，y：网络输出；pf：最终输出延迟；af：授终的层延迟；e：网络误差；perf :网 络性能；net：待仿真的神经网络；p：网络输入；pi：初始输入延迟，默认为0； ai：初始 层延迟，默认为0； t：网络目标。 神经网络仿真示例程序如下： clear all； p = [09]; %输入向量 t = [0 0.34 0.56 0.55 -0.33 -0.78 -0.58 0.97 0.48 0.87];咎 口 标 net = feedforwardnet(10)； net = configure(net,p,t); yl = sim(net,p) %对?所创建网络进行仿真plot (p,t, 1 o,p,yl, fx) %对?所创建网络进行仿真 legend （原始数据,仿真后数据）; 程序输出： y1 = 3.6881 4.1582 3.7542 2.5204 1.8117 1.5808 0.7953 -0.4858 -1.7422 -2.7742 网络仿真效果图如图2?1所示。 云—原始数据 仿真后数据I I I I I I I ? 云—原始数据 仿真后数据 0.5 - ° — 一 ——U O 0 O ■°-5 0 X - X O -1 X 45 X X -2 z - X ■2 5 1 1 1 : : : : 0123456789 图网络仿真效果图 Train函数，用于实现神经网络的训练，其调用格式如下： [net,tr,y,e,pf,af]=train(net,p,t,pi,ai) 其中，net：待训练的神经网络；p：网络的输入信号；t：网络的目标，默认为0； pi： 初始的输入延迟，默认为0; ai：初始的层延迟，默认为0： net：训练后的神经网络；tr： 训练记录；y：神经网络的输出信号；e：神经网络的课差；pf：最终输入延迟；af：最终层 延迟。 神经网络训练网络示例程序如下: clear all； p = [09]; 令输入向量 t = [0 0.34 0.56 0.55 -0.33 -0.78 -0.58 0.97 0.48 0.87];务目标 向量 net = feedforwardnet(10)； net = conf