《bp神经网络课程设计》.docxVIP

BP神经网络课程设 计 〈〈数值分析》与〈〈数学实验》专业实训 报告书 题 目基于BP神经网络预测方法的预测 模型 一、 问题描述 建立基于BP神经网络的信号回归模型，来预测某一组数据。 二、 基本要求 熟悉掌握神经网络知识； 学习多层感知器神经网络的设计方法和 Matlab实现； 学习神经网络的典型结构； 了解BP算法基本思想，设计 BP神经网络架构； 谈谈实验体会与收获。 三、 数据结构 BP网络能学习和存贮大量的输入 -输出模式映射关系，而无需 事前揭示描述这种映射关系的数学方程。它的学习规则是使用最 速下降法，经过反向传播来不断调整网络的权值和阈值，使网络 的误差平方和最小。BP神经网络模型拓扑结构包括输入层 (input)、隐层(hide layer)和输出层(output layer)。 BP神经网络算法：神经网络由神经元和权重构成，神经元即 为：输入节点，输出节点和隐层结点三部分；权重是各个神经元 相互连接的强度。神经网络经过训练，从样本中学习知识，而且 将知识以数值的形式存储于连接权中。神经网络的分类过程分成 两部分，首先学习网络的权重，利用一些已知的数据训练网络得 到该类数据模型的权重；接着根据现有的网络结构和权重等参数 得到未知样本的类别。BP算法被称作反向传播算法，主要思想是 从前向后(正向)逐层传播信息；从后向前(反向)逐层传播输 出层的误差，间接算出隐层误差。 四、实验内容 人工神经网络是用来模拟人脑结构及智能特点的一个前沿研 究领域，它的一个重要特点是经过网络学习达到其输出与期望输出 相符的结果，具有很强的白学习、白适应、鲁棒性、容错性及存储 记忆的能力.人工神经网络系统评价方法以其超凡的处理复杂非线 性问题的能力独树一帜，这种评价方法忠实于客观实际，不带任何人 为干预的成分，是一种较好的动态评价方法.近年来，人工神经网络 的研究和应用受到了国内外的极大重视 .在人工神经网络中有多种 模型，其中BP神经网络模型最成熟，其应用也最为广泛. BP神经网络是一种具有两层或两层以上的阶层型神经网络 ，层间神经元实现全连接，即下层的每个神经元与上层的每个神经元都 实现权连接，而层内各神经元间无连接.典型的BP网络是三层前馈 阶层网络，即:输入层、隐含层和输出层. 源程序： %======#始数据输入======== p=[2845 2833 4488;2833 4488 4554;44884554 p=[2845 2833 4488;2833 4488 4554;4488 4554 2928;4554 2928 3497;2928 3497 2261;... 3497 2261 6921;22616921139135803497 2261 6921;2261 6921 1391;6921 1391 3580;1391 3580 4451;3580 4451 2636;... 4451 2636 3471;26363471385435564451 2636 3471;2636 3471 3854;3471 3854 3556;3854 3556 2659;3556 2659 4335;... 2659 4335 2882;43354335288219992659 4335 2882;4335 2882 4084;4335 2882 1999;2882 1999 2889;1999 2889 2175;... 2889 2175 2510;21752510340937292889 2175 2510;2175 2510 3409;2510 3409 3729;3409 3729 3489;3729 3489 3172;... 3489 3172 4568;3172 4568 4015;]; %==========期望输出======= t=[4554 2928 3497 2261 6921 1391 3580 4451 2636 3471 3854 3556 2659 ... 4335 2882 4084 1999 2889 2175 2510 3409 3729 3489 3172 4568 4015 ...; 2928 ptest=[2845 2833 4488;2833 4488 4554;4488 4554 2928;4554 3497;2928 3497 2261;... 3497 2261 6921;22616921139135803497 2261 692