神经网络电子教案.pptVIP

工程应用软计算——神经网络（4）BP学习算法的步骤①初始化：依据实际问题(输入变量和输出变量个数)给出网络联接结构,随机设置所有联接权值为任意小②提供训练样本③计算实际输出利用非线性函数逐级计算各层节点输出值,最后输出④权值调整：递归法从输出节点开始返回到隐层节点对于输出层对于隐层⑤返回②步，重复之，直到误差满意为止第30页，共75页，星期日，2025年，2月5日工程应用软计算——神经网络（5）BP学习算法的评价与改进应用广泛:模式识别、系统辨识、图像处理、函数拟合神经网络可以实现从n维欧氏空间到m维欧氏空间的高度非线性映射不足：①网络隐层节点个数的选取尚无理论依据，所以在应用中都是在一个范围内试验确定②学习算法收敛速度慢③由于采用梯度搜索，难免会使网络陷入局部最小，得不到全局最优解广义BP算法：网络误差函数e、输出变换函数f和学习步长η第31页，共75页，星期日，2025年，2月5日工程应用软计算——神经网络BP算法的一种修正：为了加速收敛和防止振荡而引入冲量项可变步长BP算法：根据误差e变化的不同情况来调整步长η可以改善算法的收敛速度。取初始步长η，若一次迭代后误差函数增大，则将步长减小（乘以小于1的常数λ），沿原方向重新计算下一个迭代。若下一次迭代后误差函数减少，则适当增大步长（乘以一个大于1的常数β），即这里λβ为常数，第32页，共75页，星期日，2025年，2月5日工程应用软计算——神经网络2.4神经网络的Matlab实现2.4.1感知机神经网络的分类问题[例]利用Matlab建立一个具有两个输入、两个神经元、二维输出的感知机神经网络，区分四类输入向量输入向量：P=[0.10.70.80.81.00.30.0-0.3-0.5-1.5；1.21.81.60.60.80.50.20.8-1.5-1.3]；期望输出向量：T=[1110011100；0000011111]；plotpv(P,T)；第33页，共75页，星期日，2025年，2月5日工程应用软计算——神经网络创建神经网络：net=newp([-1.51；-1.51],2)；初始化网络：net=init(net)；训练网络：反复调整网络权值和阈值，直到误差为0[net,Y,E]=adapt(net,P,T)；经10次循环，网络训练结束，将输入向量分成四类第34页，共75页，星期日，2025年，2月5日工程应用软计算——神经网络用该感知机神经网络来解决实际问题。设置输入向量p=[0.9；1.1]；仿真该网络，a=sim(net,p)；第35页，共75页，星期日，2025年，2月5日工程应用软计算——神经网络Matlab源程序P=[0.10.70.80.81.00.30.0-0.3-0.5-1.5；1.21.81.60.60.80.50.20.8-1.5-1.3]；T=[1110011100；0000011111]；plotpv(P,T)；net=newp([-1.51；-1.51],2)；%建立感知机linehandle=plotpc(net.IW{1},net.b{1})；E=1；%训练感知机net=init(net)；linehandle=plotpc(net.IW{1},net.b{1})；while(sse(E))[net,Y,E]=adapt(net,P,T)；linehandle=plotpc(net.IW{1},net.b{1},linehandle)；drawnowendp=[0.9；1.1]；%检验感知机a=sim(net,p)；plotpv(p,a)；point=findobj(gca,‘type’,‘line’)；set(point,‘Color’,‘red’)；holdon，plotpv(P,T)；plotpc(net.IW{1},net.b{1})；holdoff第36页，共75页，星期日，2025年，2月5日工程应用软计算——神经网络2.4.2图形用户界面可以创建一个神经网络，而且可以查看它的结构，对它进行仿真和训练，