1实验题目目的.docx

1实验题目/目的 实验题目：基于感知器学习算法的神经学习系统 实验目的：理解和掌握感知器模型及其学习过程，能够利用一编程语言建立一个基于感知器 /BP学 习算法的神经学习系统。 矚慫润厲钐瘗睞枥庑赖賃軔。 2规格说明（参数设置，环境设置） 编程环境：VC++ 编程语言：C++ 参数设置： double x1[]={0,0,0,1,1,1,0,0,0,0,0,0,0,0,0,1,0,0,0,1,1,1};〃 输入向量 聞創沟燴鐺險爱氇谴净祸測。 double x2[]={0,0,0,0,0,0,0,1,1,1,1,1,1,1,1,1,0,0,0,1,1,1};残骛楼諍锩瀨濟溆塹籟婭骤。 double x3[]={0,0,0,0,0,0,1,0,0,0,0,1,1,1,1,1,0,1,1,0,0,1};酽锕极額閉镇桧猪訣锥顧荭。 double x4[]={0,0,1,0,0,1,1,0,0,1,1,0,0,1,1,1,1,0,1,0,1,0};彈贸摄尔霁毙攬砖卤庑诒尔。 double x5[]={0,1,0,0,1,0,1,0,1,0,1,0,1,0,1,0,1,1,0,1,0,0};謀荞抟箧飆鐸怼类蒋薔點鉍。 int d[]={0,0,0,0,0,0,1,0,0,0,1,0,1,1,1,1,0,0,0,1,1,1};〃 期待输出厦礴恳蹒骈時盡继價骚卺癩。 double w仁0.5,w2=0.7,w3=0.6,w4=0.5,w5=0.8;〃 初始化联结权值茕桢广鳓鯡选块网羈泪镀齐。 double o=0.6,s=0.4;〃初始化阈值，增益因子 3设计思想和步骤（包括适当的结构图和流程图） 单层感知器模型： 单层感知器学习实际上是一种基于纠错学习规则，采用迭代的思想对联结权值和阈值进行不断调 整，直到满足结束条件为止的学习算法。 鹅娅尽損鹌惨歷茏鴛賴縈诘。 单层感知器学习是一种有导师学习，它需要给出输出样本的期望输出。假设一个样本空间可被划分 为A , B两类。 其激活函数的定义为：如果一个输入样本属于 A类，则激活函数的输出为 1,否则其输出为0。对 应的，也可将期望输出定义为：当输入样本属于 A类时，其期望输出为1，否则为-1。籟丛妈羥为贍债 蛏练淨槠挞。 n W为联结权值,w「x为阈值） 本实验使用五人表决系统的示例，共有 32个示例，因为使用其中 16个示例无法使权值、阈值、学 习因子稳定下来,，故总共使用包括 22个示例的训练集对单层感知器网络进行训练。 預頌圣鉉儐歲龈讶 TOC \o 1-5 \h \z 骅籴買闥。 i T =\ n 实验步骤：—1 8 初始化联结权值和阈值,以及增益因子。 d(t);提供样本输入xi（t）（i=1,2, d(t); 计算网络的实际输出 n 若y（y=0，不需要调整连接权值，转）⑹。否则1盅..（5） 调整连接权值：9 Wi(t 1) =Wi(t) [d(t) —y(t)]Xi(t) i =1,2,..., n 其中，n是一个增益因子，用于控制修改速度，其值如果太大，会影响 wi(t)的收敛性；如果太小， 又会使 wi(t)的收敛速度太慢；渗釤呛俨匀谔鱉调硯錦鋇絨。 判断是否满足结束条件，若满足，算法结束；否则，将 t值加1,转(2)重新执行。结束条件一般是 指wi(t)对一切样本均稳定不变。 铙誅卧泻噦圣骋贶頂廡缝勵。 最后用示例对学习后的单层感知器网络进行使用，得到实验结果。 4实验仿真和结果分析 兄兄兄兄兄 圭冃主冃主目圭冃主冃 几表表表表表 卡二三四五过 攻次丛通 一请青请请隹(0否决,5否决』 純否决」 兄兄兄兄兄 圭冃主冃主目圭冃主冃 几表表表表表 卡二三四五过 攻次丛通 一请青请请隹 (0否决, 5否决』 純否决」 5否决』 舗否决』 丄通过)：0 I通过〉：i 丄通过〉：1 丄通过〉：0 iSS): 1 决决决决决 表袤表羹！ 口音音音音可过 二三四五通 lAixlAlAIA未 请请请请 况純否决」 况5否决』 况5否决, 况舗否决」 况5否决』 丄通过〉 t通过〉 1通过〉 丄通过〉 丄通过》 0 1 1 0 6 主冃吐冃主冃圭冃圭冃 表表表表表 」二三四五过 入入入入入通 m 请请请PM (0否决, (0否决」 (0否决』 5否决』 (0否决」 1通过) 1通过) 1通爸〉 1通过〉 1 1 1 1 1 请输入一号表决情况舗否决」t通过〉： 分别利用三个示例对网络进行验证： 01101，01100，11111。 结果分别是通过，未通过，通过。 5实验体会 这次实验算是走了不少弯路，因为对单层感知器的实际应用的理解不是很清楚，所以一直无法找到 合适的多输入单输出的示例来作为神经网络的训练集。 擁締凤袜备訊顎轮烂蔷報赢。 后来终于有了一点想法，可以用五人表决器作为简单