基于matlab神經(jīng)網(wǎng)絡算法研究及仿真-資料下載頁
2025-06-19 12:34本頁面
【正文】 望的要求時，學習過程結束。 BP 網(wǎng)絡模型結構利用神經(jīng)網(wǎng)絡工具箱進行設計和仿真的具體步驟：1. 確定信息表達方式：將實際問題抽象成神經(jīng)網(wǎng)絡求解所能接受的數(shù)據(jù)形式；2. 確定網(wǎng)絡模型：選擇網(wǎng)絡的類型、結構等；3. 選擇網(wǎng)絡參數(shù)：如神經(jīng)元數(shù)，隱含層數(shù)等；4. 確定訓練模式：選擇訓練算法，確定訓練步數(shù)，指定訓練目標誤差等；5. 網(wǎng)絡測試：選擇合適的訓練樣本進行網(wǎng)絡測試。設計一個簡單的BP 網(wǎng)絡，實現(xiàn)對非線性函數(shù)的逼近，通過改變BP 網(wǎng)絡的隱層神經(jīng)元的數(shù)目，采用不同的訓練方法來觀察訓練時間和訓練誤差的變化情況。假設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。時間39。) 。應用newff () 建立兩層的BP 網(wǎng)絡，隱層神經(jīng)元數(shù)目可以改變,此時S=8 ，輸出層一個神經(jīng)元，隱層和輸出層的傳遞函數(shù)分別為tansig 和purelin ，學習算法采用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。未訓練網(wǎng)絡的輸出結果39。)xlabel (39。時間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。未訓練網(wǎng)絡的輸出結果39。) 將訓練時間設為10，用train ()進行訓練， 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。訓練后網(wǎng)絡的輸出結果39。)xlabel (39。時間39。) 。ylabel (39。仿真輸出39。)legend (39。要逼近的非線性函數(shù)39。,39。未訓練網(wǎng)絡的輸出結果39。,39。訓練后網(wǎng)絡的輸出結果39。) 可以看出經(jīng)過很短時間的訓練后BP 網(wǎng)絡很好的逼近了非線性函數(shù)。4. 結論MATLAB 神經(jīng)網(wǎng)絡工具箱功能強大, 它提供了許多有關神經(jīng)網(wǎng)絡設計、訓練和仿真的函數(shù)，我們只要根據(jù)需要調(diào)用相關函數(shù), 就能方便進行神經(jīng)網(wǎng)絡設計與仿真, 從而免除了編寫復雜而龐大的算法程序的困擾，可以很容易的調(diào)整各項參數(shù)，實現(xiàn)對神經(jīng)網(wǎng)絡的設計和仿真，為我們的工程應用提供很好的參考價值。參考文獻[1] 周開利，康耀紅. 神經(jīng)網(wǎng)絡模型及其MATLAB仿真程序設計[M]. 北京：清華大學出版社，2005:9095.[2] 閔惜琳，劉國華. 用MATLAB神經(jīng)網(wǎng)絡工具箱開發(fā)BP網(wǎng)絡應用[J]. 計算機應用，2001,21（8）：163164.[3] 劉建斌. 人工神經(jīng)網(wǎng)絡在電磁建模中的應用[D]. 上海交通大學，2003:1011.[4] 張德豐. MATLAB神經(jīng)網(wǎng)絡應用設計[M]. 機械工業(yè)出版社，2009:712.16
環(huán)評公示相關推薦
鄂ICP備17016276號-1