基于matlab神經(jīng)網(wǎng)絡(luò)算法研究及仿真-資料下載頁
2025-06-19 12:34本頁面
【正文】 望的要求時(shí)，學(xué)習(xí)過程結(jié)束。 BP 網(wǎng)絡(luò)模型結(jié)構(gòu)利用神經(jīng)網(wǎng)絡(luò)工具箱進(jìn)行設(shè)計(jì)和仿真的具體步驟：1. 確定信息表達(dá)方式：將實(shí)際問題抽象成神經(jīng)網(wǎng)絡(luò)求解所能接受的數(shù)據(jù)形式；2. 確定網(wǎng)絡(luò)模型：選擇網(wǎng)絡(luò)的類型、結(jié)構(gòu)等；3. 選擇網(wǎng)絡(luò)參數(shù)：如神經(jīng)元數(shù)，隱含層數(shù)等；4. 確定訓(xùn)練模式：選擇訓(xùn)練算法，確定訓(xùn)練步數(shù)，指定訓(xùn)練目標(biāo)誤差等；5. 網(wǎng)絡(luò)測(cè)試：選擇合適的訓(xùn)練樣本進(jìn)行網(wǎng)絡(luò)測(cè)試。設(shè)計(jì)一個(gè)簡(jiǎn)單的BP 網(wǎng)絡(luò)，實(shí)現(xiàn)對(duì)非線性函數(shù)的逼近，通過改變BP 網(wǎng)絡(luò)的隱層神經(jīng)元的數(shù)目，采用不同的訓(xùn)練方法來觀察訓(xùn)練時(shí)間和訓(xùn)練誤差的變化情況。假設(shè)將要將要逼近的函數(shù)為正弦函數(shù)，其頻率參數(shù)N=1， 所示。N=1。p= [ 1::1] 。t=sin (N*pi*p) 。%假設(shè)N=1，繪制此函數(shù)曲線plot (p,t,39。r*39。)title (39。要逼近的非線性函數(shù)39。)xlabel (39。時(shí)間39。) 。應(yīng)用newff () 建立兩層的BP 網(wǎng)絡(luò)，隱層神經(jīng)元數(shù)目可以改變,此時(shí)S=8 ，輸出層一個(gè)神經(jīng)元，隱層和輸出層的傳遞函數(shù)分別為tansig 和purelin ，學(xué)習(xí)算法采用Levenberg Marquadt ( trainlm) 。用sim() 所示。S=8。net=newff (minmax (p) , [S,1] , {39。tansig39。,39。purelin39。} ,39。trainlm39。) 。y1=sim (net,p) 。figure。plot (p,t, 39。r* 39。,p,y1,39。b 39。)title (39。未訓(xùn)練網(wǎng)絡(luò)的輸出結(jié)果39。)xlabel (39。時(shí)間39。) 。ylabel (39。仿真輸出 原函數(shù)*39。) 。legend (39。要逼近的非線性函數(shù)39。,39。未訓(xùn)練網(wǎng)絡(luò)的輸出結(jié)果39。) 將訓(xùn)練時(shí)間設(shè)為10，用train ()進(jìn)行訓(xùn)練， 所示。=10。=。net1 = train (net,p,t)用sim() 所示。y2 = sim (net1,p)figure。plot (p,t,39。r* 39。,p,y1,39。b 39。,p,y2,39。ko39。)title (39。訓(xùn)練后網(wǎng)絡(luò)的輸出結(jié)果39。)xlabel (39。時(shí)間39。) 。ylabel (39。仿真輸出39。)legend (39。要逼近的非線性函數(shù)39。,39。未訓(xùn)練網(wǎng)絡(luò)的輸出結(jié)果39。,39。訓(xùn)練后網(wǎng)絡(luò)的輸出結(jié)果39。) 可以看出經(jīng)過很短時(shí)間的訓(xùn)練后BP 網(wǎng)絡(luò)很好的逼近了非線性函數(shù)。4. 結(jié)論MATLAB 神經(jīng)網(wǎng)絡(luò)工具箱功能強(qiáng)大, 它提供了許多有關(guān)神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)、訓(xùn)練和仿真的函數(shù)，我們只要根據(jù)需要調(diào)用相關(guān)函數(shù), 就能方便進(jìn)行神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)與仿真, 從而免除了編寫復(fù)雜而龐大的算法程序的困擾，可以很容易的調(diào)整各項(xiàng)參數(shù)，實(shí)現(xiàn)對(duì)神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)和仿真，為我們的工程應(yīng)用提供很好的參考價(jià)值。參考文獻(xiàn)[1] 周開利，康耀紅. 神經(jīng)網(wǎng)絡(luò)模型及其MATLAB仿真程序設(shè)計(jì)[M]. 北京：清華大學(xué)出版社，2005:9095.[2] 閔惜琳，劉國(guó)華. 用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱開發(fā)BP網(wǎng)絡(luò)應(yīng)用[J]. 計(jì)算機(jī)應(yīng)用，2001,21（8）：163164.[3] 劉建斌. 人工神經(jīng)網(wǎng)絡(luò)在電磁建模中的應(yīng)用[D]. 上海交通大學(xué)，2003:1011.[4] 張德豐. MATLAB神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計(jì)[M]. 機(jī)械工業(yè)出版社，2009:712.16
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1