神經(jīng)網(wǎng)絡(luò)基于bp網(wǎng)絡(luò)的多層感知器實(shí)驗(yàn)報(bào)告-全文預(yù)覽
【正文】 end。 for m=1:j。 Erro=Erro+erro(t)。 erro=[erro,wucha]。 o(1,p)=w*y39。 Erme=0。 q=1。 netj=zeros(1,j)。 d=zeros(1,101)。 zhaosheng=*randn(1,101)。%動量系數(shù) w=rand(1,j)。%隱層節(jié)點(diǎn)數(shù) n=input(39。 x=[4::4]。 plot(x,d)。)。b39。r39。平均誤差:39。 end。 Erme=sqrt(Erme/101)。 for m=1:j。 Erro=Erro+erro(t)。 erro=[erro,wucha]。 o(1,p)=w*y39。 Erme=0。 q=1。 netj=zeros(1,j)。 d=zeros(1,101)。 zhaosheng=*randn(1,101)。%動量系數(shù) w=rand(1,j)。%隱層節(jié)點(diǎn)數(shù) n=input(39。 x=[4::4]。end運(yùn)行結(jié)果如下：表格1. 單樣本BP算法平均最小誤差學(xué)習(xí)率結(jié)點(diǎn)數(shù)81012152. 實(shí)現(xiàn)解決該問題的批處理訓(xùn)練BP網(wǎng)絡(luò)，調(diào)整參數(shù)如上。 plot(x(:,2),d,39。)。b39。r39。最終誤差:39。 end。 Erme=sqrt(Erme/101)。 for t=1:101。 end。%噪聲 wucha = d(p)o(p)。 end。 for z=1:5 while q30000 Erme=0。 p=1。%期望 end。 ERRO=[]。%隱層閾值 err=zeros(1,101)。%學(xué)習(xí)效率 w=rand(1,j)。)。 x=x039。 clear。在調(diào)試過程中，通過不斷調(diào)整隱層節(jié)點(diǎn)數(shù)，學(xué)習(xí)率η，找到收斂速度快且誤差小的一組參數(shù)。神經(jīng)網(wǎng)絡(luò)及應(yīng)用實(shí)驗(yàn)報(bào)告實(shí)驗(yàn)二、基于BP網(wǎng)絡(luò)的多層感知器一：實(shí)驗(yàn)?zāi)康模?. 理解多層感知器的工作原理2. 通過調(diào)節(jié)算法參數(shù)了解參數(shù)的變化對于感知器訓(xùn)練的影響3. 了解多層感知器局限性二：實(shí)驗(yàn)原理：BP的基本思想：信號的正向傳播 誤差的反向傳播 –信號的正向傳播：輸入樣本從輸入層傳入，經(jīng)各隱層逐層處理后，傳向輸出層。實(shí)驗(yàn)步驟 1. 用Matlab編程，實(shí)現(xiàn)解決該問題的單樣本訓(xùn)練BP網(wǎng)絡(luò)，設(shè)置一個(gè)停止迭代的誤差Emin和最大迭代次數(shù)。 close all。%樣本101個(gè) x0(1,:)=1。請輸入隱層節(jié)點(diǎn)數(shù) j = 39。)。 v(1,:)=yuzhi。%噪聲 erro=[]。 for m=1:101 d(m)=hermit(x(m,2))。 net=zeros
數(shù)學(xué)相關(guān)推薦
鄂ICP備17016276號-1