基于matlab神經(jīng)網(wǎng)絡算法研究及仿真(編輯修改稿)
2025-07-16 12:34 本頁面
【文章內容簡介】 降算法，分攤給各層的所有單元，從而獲得各單元的誤差信號，以此誤差信號為依據(jù)修正各單元權值，網(wǎng)絡權值因此被重新分布。此過程完成后， 輸入信號再次由輸入層輸入網(wǎng)絡，重復上述過程。這種信號正向傳播與誤差反向傳播的各層權值調整過程周而復始地進行著，直到網(wǎng)絡輸出的誤差減少到可以接受的程度，或進行到預先設定的學習次數(shù)為止。權值不斷調整的過程就是網(wǎng)絡的學習訓練過程。BP 神經(jīng)網(wǎng)絡的信息處理方式具有如下特點: 1）信息分布存儲。人腦存儲信息的特點是利用突觸效能的變化來調整存儲內容， 即信息存儲在神經(jīng)元之間的連接強度的分布上， B P神經(jīng)網(wǎng)絡模擬人腦的這一特點，使信息以連接權值的形式分布于整個網(wǎng)絡。2) 信息并行處理。人腦神經(jīng)元之間傳遞脈沖信號的速度遠低于馮諾依曼計算機的工作速度，但是在很多問題上卻可以做出快速的判斷、決策和處理，這是由于人腦是一個大規(guī)模并行與串行組合的處理系統(tǒng)。BP神經(jīng)網(wǎng)絡的基本結構模仿人腦，具有并行處理的特征，大大提高了網(wǎng)絡功能。3）具有容錯性。生物神經(jīng)系統(tǒng)部分不嚴重損傷并不影響整體功能，BP神經(jīng)網(wǎng)絡也具有這種特性，網(wǎng)絡的高度連接意味著少量的誤差可能不會產(chǎn)生嚴重的后果，部分神經(jīng)元的損傷不破壞整體，它可以自動修正誤差。這與現(xiàn)代計算機的脆弱性形成鮮明對比。4）具有自學習、自組織、自適應的能力。BP神經(jīng)網(wǎng)絡具有初步的自適應與自組織能力，在學習或訓練中改變突觸權值以適應環(huán)境，可以在使用過程中不斷學習完善自己的功能，并且同一網(wǎng)絡因學習方式的不同可以具有不同的功能，它甚至具有創(chuàng)新能力，可以發(fā)展知識，以至超過設計者原有的知識水平。3 BP神經(jīng)網(wǎng)絡在實例中的應用快速發(fā)展的Matlab軟件為神經(jīng)網(wǎng)絡理論的實現(xiàn)提供了一種便利的仿真手段。Matlab神經(jīng)網(wǎng)絡工具箱的出現(xiàn)，更加拓寬了神經(jīng)網(wǎng)絡的應用空間。神經(jīng)網(wǎng)絡工具箱將很多原本需要手動計算的工作交給計算機，一方面提高了工作效率，另一方面，還提高了計算的準確度和精度，減輕了工程人員的負擔。神經(jīng)網(wǎng)絡工具箱是在MATLAB環(huán)境下開發(fā)出來的許多工具箱之一。它以人工神經(jīng)網(wǎng)絡理論為基礎，利用MATLAB編程語言構造出許多典型神經(jīng)網(wǎng)絡的框架和相關的函數(shù)。這些工具箱函數(shù)主要為兩大部分。一部分函數(shù)特別針對某一種類型的神經(jīng)網(wǎng)絡的，如感知器的創(chuàng)建函數(shù)、BP網(wǎng)絡的訓練函數(shù)等。而另外一部分函數(shù)則是通用的，幾乎可以用于所有類型的神經(jīng)網(wǎng)絡，如神經(jīng)網(wǎng)絡仿真函數(shù)、初始化函數(shù)和訓練函數(shù)等[15]。這些函數(shù)的MATLAB實現(xiàn)，使得設計者對所選定網(wǎng)絡進行計算過程，轉變?yōu)閷瘮?shù)的調用和參數(shù)的選擇，這樣一來，網(wǎng)絡設計人員可以根據(jù)自己的的需要去調用工具箱中有關的設計和訓練程序，從煩瑣的編程中解脫出來，集中精力解決其他問題，從而提高了工作效率。 基于MATLAB的BP神經(jīng)網(wǎng)絡工具箱函數(shù)最新版本的神經(jīng)網(wǎng)絡工具箱幾乎涵蓋了所有的神經(jīng)網(wǎng)絡的基本常用模型，如感知器和BP網(wǎng)絡等。對于各種不同的網(wǎng)絡模型，神經(jīng)網(wǎng)絡工具箱集成了多種學習算法，為用戶提供了極大的方便。Matlab神經(jīng)網(wǎng)絡工具箱中包含了許多用于BP網(wǎng)絡分析與設計的函數(shù)。 BP網(wǎng)絡的常用函數(shù)表函數(shù)類型函數(shù)名稱函數(shù)用途前向網(wǎng)絡創(chuàng)建函數(shù)newcf創(chuàng)建級聯(lián)前向網(wǎng)絡Newff創(chuàng)建前向BP網(wǎng)絡傳遞函數(shù)logsigS型的對數(shù)函數(shù)tansigS型的正切函數(shù)purelin純線性函數(shù) 學習函數(shù)learngd基于梯度下降法的學習函數(shù)learngdm梯度下降動量學習函數(shù)性能函數(shù) mse均方誤差函數(shù)msereg均方誤差規(guī)范化函數(shù) 顯示函數(shù)plotperf繪制網(wǎng)絡的性能plotes
環(huán)評公示相關推薦
鄂ICP備17016276號-1