MATLAB神经网络实验.pdfVIP

MATLAB神经网络工具箱 介绍及实验要求 神经元模型 NeuronModel： 多输入，单输出，带偏置 ➢输入:R维列向量 ➢权 :R维行向量 阈 :标量 ➢求和单元 ➢传递函数 ➢输出 常用传递函数 ◆阈值函数 MATLAB函数:hardlim a 1 -b Wpp -1 MATLAB函数:hardlims 线性函数 ◆PurelinTransferFunction： a n MATLAB函数:purelin Sigmoid函数 ◆SigmoidFunction： 对数Sigmoid函数 ◆特性： ➢值域a∈(0,1) ➢非线性，单调性 ➢ 限次可微 ➢|n|较小时可近似线性 函数 正切Sigmoid函数 ➢|n|较大时可近似阈值 函数 MATLAB函数:logsig(对数), tansig(正切) 前馈神经网络 ◆前馈神经网络(feedforwardNN)：各神经元 接受前级输入，并输出到下一级， 反馈， 可用一有向 环图表示。 ◆前馈网络通常分为不同的层(layer)，第i层的 输入只与第i-1层的输出联结。 ◆可见层：输入层(inputlayer)和输出层(output layer) ◆隐藏层(hiddenlayer)：中间层 BP网络 多层前馈网络 传递函数:隐层采用 形函数,输出层 形函数或线性函数 主要功能:函数逼近,模式识别,信息分类 BP网络的生成 newff 函数newff用来生成一个BP网络 net=newff(PR,[S1 S2...SN],{ F1 F2... FN},B F,BLF,PF) PR:一个R×2矩阵, 由R维输入向量的每维最小值和最大值组成 Si:第i层的神经元个数 Fi:第i层的传递函数, 默认为tansig B F:训练函数, 默认为trainlm BLF:学习函数, 默认为learngdm PF:性能函数, 默认为mse net=newff([0,10;- 1,2],[5,1],{ ‘tansig’,’purelin’},’trainlm’); %生成一个两层BP网络,隐层和输出层神经的个数为5和1, 传递函数分别为 tansig和purelin, 训练函数为trainlm, 其他默认 BP网络的初始化 newff函数在建立网络对象的同时, 自动调用初始化函数, 根据缺省的参数 置网络的连接权值和阈值. 使用函数init可以对网络进行自定义的初始化.通过选择 初始化函数,可对各层连接权值和阈值分别进行不同的初始 化. BP网络的学习规则 权值和阈值的调节规则采用误差反向传播算法(back p opagation). 反向 传播算法分二步进行，即正向传播和反向传播。 1．正向传播 输入的样本从输入层经过隐单元一层一层进行处理，通过所有的隐层 之后，则传向输出层；在逐层处理的过程中，每一层神经元的状态只对 下一层神经元的状态产生影响。在输出层把现行输出和期望输出进行比 较，如果现行输出不等于期望输出，则进入反向传播过程。 2．反向传播 反向传播时，把误差信号按原来正向传播的通路反向传回，并对每个 隐层的各个神经元的权系数进行修改，以望误