神经网络学习算法matlab仿真.docVIP

东南大学自动化学院

智能控制概论

神经网络学习算法研究

学院：

姓名：

学号：

日期：

目录

TOC\o1-2\h\z\u1任务要求表达3

2系统分析及设计原理3

3设计实现5

4仿真验证6

5讨论与分析16

一．任务要求表达

〔1〕任务

(a)运行算法，观察和分析现有学习算法的性能；

clearall;closeall;

nu=20;pi=3.1415926;

fori=1:nu

p(i)=2*pi*i/nu;

t(i)=0.5*(1+cos(p(i)));

end

minmax=[min(p(:))max(p(:))]

net=newff([07],[61],{logsigpurelin},traingd);%traingdtraingdmtrainlm

chs=10000;

net.trainParam.goal=0.0001;

net.trainParam.show=200;

net.trainParam.lr=0.1;

net.trainParam.mc=0.6;%0.9defaultvalue;availableformomentum

net=train(net,p,t);

y1=sim(net,p);

figure(2);

plot(p,t,*-,p,y1,r--)

%**************testdata******************

nu2=nu*3/2;

fori=1:(nu2)

p2(i)=2*pi*i/(nu2);

t2(i)=0.5*(1+cos(p2(i)));

end

y2=sim(net,p2);

figure(3);

plot(t2,*-);holdon;plot(y2,r);

xlabel(times);ylabel(outputs);

figure(4);

plot(t2-y2);

xlabel(times);ylabel(error);

(b)为了进一步提高学习逼近效果，可以采取那些措施，调节规律如何？根据所提的每种措施，修改算法程序，给出仿真效果验证、过程以及相应的曲线图，给出适当的评述；

(c)联系、结合前向神经网络的算法样本学习、测试等过程，谈谈本人对神经网络系统的一些认识和看法。

〔2〕要求

提交完整的报告，包括：封面(题目、个人学号姓名等信息)、目录、任务要求表达、系统分析及设计原理(包括神经网络学习过程的原理图及文字分析)、完整的设计实现过程(包括神经网络结构、参数等选择与实现、计算、原理过程等)、仿真验证(算法流程图、实现手段介绍、系统参数选择、曲线图、结合调参对响应曲线的影响给出必要的分析)、讨论与分析，总字数要求在2000以上。

二．系统分析及设计原理

〔1〕神经网络的学习算法

学习过程实质上是针对一组给定的输入使网络产生相应的期望输出的过程。总的来说，神经网络的学习算法分为两大类：有导师学习和无导师学习。

输入信号X

输入信号X

网络输出Y

神经网络

输入信号X

期望输出T

网络输出Y

神经网络

距离计算

图SEQ图\*ARABIC1：有导师指导神经网络学习方式图SEQ图\*ARABIC2无导师指导神经网络学习方式

由上图可见，所谓有导师学习就是在训练过程中，始终存在一个期望的网络输出。期望输出和实际输出之间的距离作为误差度量并用于调整权值。而无导师学习指的是网络不存在一个期望的输出，因而没有直接的误差信息，因此，为实现对网络的训练，徐建立一个简洁的评价函数，以对网络的某种行为取向做出评价。

〔2〕多层传播网络的学习算法

给定组样本。这里为维输入矢量，为维期望的输出矢量，,.假设矢量和分别表示网络的输出层和隐含层的输出矢量。那么训练过程为：

选，作为最大容许误差，并将权系数初始化成某一小的随机权矩阵。

训练开始

按照计算出各隐含层神经元的尽力输出，按照计算出各输出层神经元的鼓励输出。

计算误差

按公式

计算出

调整权阵系数

假设,，跳转到〔2〕，否那么跳转到〔7〕

假设,结束，否那么，跳转到〔2〕。

三．设计实现

〔1〕神经网络的结构〔BP算法的神经网络结构〕

下列图是一个多层传播结构。即在输入层和输出层之间嵌入一层或多层隐含层的网络结构。隐含层单元既可以与叔叔出单元相连也可以与其他隐含层单元相连。隐含层单元与输入单元之间通过突触权系数连接，并可用矩阵表示全部关系。隐含层单元与输出单元之间通过突触权系数连接，全部关系可用矩阵表示。

图SEQ图\*ARABIC3：神经网络结构图

〔2〕Maltab神经网络工具箱

函数介绍