畢業(yè)設(shè)計(jì)方案(同名7203)-資料下載頁(yè)
2025-04-29 07:03本頁(yè)面
【正文】 F = numdata。P=double(F)。net = newff(minmax(P),[S1 S2],{39。logsig39。39。logsig39。},39。traingda39。,39。learngdm39。)這里numdata 為訓(xùn)練樣本矩陣，大小為12840， targets 為對(duì)應(yīng)的目標(biāo)輸出矩陣，大小為1040。newff(PR,[S1 S2…SN],{TF1 TF2…TFN}，BTF,BLF,PF)為MATLAB 函數(shù)庫(kù)中建立一個(gè)N 層前向BP 網(wǎng)絡(luò)的函數(shù)，函數(shù)的自變量PR 表示網(wǎng)絡(luò)輸入矢量取值范圍的矩陣[Pmin Pmax]。S1~SN 為各層神經(jīng)元的個(gè)數(shù)；TF1~TFN 用于指定各層神經(jīng)元的傳遞函數(shù)；BTF 用于指定網(wǎng)絡(luò)的訓(xùn)練函數(shù)；BLF 用于指定權(quán)值和閥值的學(xué)習(xí)函數(shù)；PF 用于指定網(wǎng)絡(luò)的性能函數(shù)，缺省值為‘mse’。設(shè)置訓(xùn)練參數(shù) = 39。sse39。 %平方和誤差性能函數(shù) = 。 %平方和誤差目標(biāo) = 20。 %進(jìn)程顯示頻率 = 5000。%最大訓(xùn)練步數(shù) = 。 %動(dòng)量常數(shù)網(wǎng)絡(luò)訓(xùn)練net=init(net)。%初始化網(wǎng)絡(luò)[net,tr] = train(net,P,T)。％網(wǎng)絡(luò)訓(xùn)練對(duì)訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行仿真D=sim(net,P)。A = sim(net,B)。B 為測(cè)試樣本向量集,12820 的點(diǎn)陣。D 為網(wǎng)絡(luò)對(duì)訓(xùn)練樣本的識(shí)別結(jié)果，A 為測(cè)試樣本的網(wǎng)絡(luò)識(shí)別結(jié)果。實(shí)驗(yàn)結(jié)果表明：網(wǎng)絡(luò)對(duì)訓(xùn)練樣本和對(duì)測(cè)試樣本的識(shí)別率均為100％。如圖（3）為64579五個(gè)數(shù)字添加50%隨機(jī)噪聲后網(wǎng)絡(luò)的識(shí)別結(jié)果。5 結(jié) 論由實(shí)驗(yàn)可知，采用神經(jīng)網(wǎng)絡(luò)識(shí)別圖像是切實(shí)可行的，由于時(shí)間關(guān)系，目前只是用Matlab 進(jìn)行了簡(jiǎn)單的數(shù)字圖像識(shí)別試驗(yàn)，下一步的工作是在降低網(wǎng)絡(luò)規(guī)模的情況下，識(shí)別復(fù)雜的目標(biāo)圖像。四、參考文獻(xiàn)[1] 傅薈璇，趙虹．MATLAB神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計(jì)[M]．北京：機(jī)械工業(yè)出版社，2010.[2] 叢爽．神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用[M]．合肥：中國(guó)科學(xué)技術(shù)大學(xué)出版社，2009．[3] 飛思科技產(chǎn)品研發(fā)中心．神經(jīng)網(wǎng)絡(luò)理論與MATLABR2007實(shí)現(xiàn)[M]．北京：電子工業(yè)出版社，2007．[4] 高雋．人工神經(jīng)網(wǎng)絡(luò)原理及仿真實(shí)例[M]．北京：機(jī)械工業(yè)出版社，2005．[5] 陳超．MATLAB應(yīng)用實(shí)例精講[M]．北京：電子工業(yè)出版社，2011.
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1