freepeople性欧美熟妇, 色戒完整版无删减158分钟hd, 无码精品国产vα在线观看DVD, 丰满少妇伦精品无码专区在线观看,艾栗栗与纹身男宾馆3p50分钟,国产AV片在线观看,黑人与美女高潮,18岁女RAPPERDISSSUBS,国产手机在机看影片

正文內(nèi)容

畢業(yè)設(shè)計(jì)論文基于matlab的bp神經(jīng)網(wǎng)絡(luò)的仿真與實(shí)現(xiàn)-資料下載頁(yè)

2024-11-10 10:03本頁(yè)面

【導(dǎo)讀】畢業(yè)設(shè)計(jì)(論文)基于MATLAB的BP神經(jīng)網(wǎng)絡(luò)的仿真與。院部計(jì)算機(jī)與信息科學(xué)學(xué)院。指導(dǎo)教師職稱講師。專業(yè)計(jì)算機(jī)科學(xué)與技術(shù)。完成時(shí)間2020年5月。本文首先說(shuō)明課題研究的目的和意義評(píng)述課題的國(guó)內(nèi)外研究現(xiàn)狀引出。具體實(shí)現(xiàn)方法總結(jié)神經(jīng)網(wǎng)絡(luò)算法的特點(diǎn)并給出神經(jīng)網(wǎng)絡(luò)算法的基本流程采用。和樣本含量估計(jì)問(wèn)題中并分析相關(guān)參數(shù)或算法對(duì)運(yùn)行結(jié)果的影響最后對(duì)BP神經(jīng)。關(guān)鍵字神經(jīng)網(wǎng)絡(luò)BP神經(jīng)網(wǎng)絡(luò)函數(shù)逼近樣本分類。BP神經(jīng)網(wǎng)絡(luò)模型及其基本原理-9-. BP神經(jīng)網(wǎng)絡(luò)是目前人工神經(jīng)網(wǎng)絡(luò)模式中最具代表性應(yīng)用最廣泛的一。一問(wèn)題提供了便利的條件神經(jīng)網(wǎng)絡(luò)工具箱功能十分完善提供了各種MATLAB函數(shù)。此項(xiàng)課題主要是針對(duì)MATLAB軟件對(duì)BP神經(jīng)網(wǎng)絡(luò)的各種算法的編程將神。單元稱為神經(jīng)元廣泛地互相連接而形成的復(fù)雜網(wǎng)絡(luò)系統(tǒng)它反映了人腦功能的許。MATLAB是一種科學(xué)與工程計(jì)算的高級(jí)語(yǔ)言廣泛地運(yùn)用于包括信號(hào)與圖。問(wèn)題的建模求解在解決實(shí)際問(wèn)題中應(yīng)用MATLAB語(yǔ)言構(gòu)造典型神經(jīng)網(wǎng)絡(luò)

  

【正文】 eeves 修正算法 trainF traincgp PolakRibiere 修 正 算 法 內(nèi) 存 需 求 比FletcherReeves 修正算法略大 trainF traincgb PowellBeal 復(fù)位算法內(nèi)存需求比 PolakRibiere修正算法略大 大型網(wǎng)絡(luò)的首選算法 函數(shù)擬合模式識(shí)別 trainF trainscg Scaled Conjugate Gradient 算法內(nèi)存需求與FletcherReeves 修正算法相同計(jì)算量比上面三種算法都小很多 trainF trainbfg QuasiNewton Algorithms BFGS Algorithm 計(jì)算量和內(nèi)存需求均比共軛梯度算法大但收斂比較快 trainF trainoss One Step Secant Algorithm 計(jì)算量和內(nèi)存需求均比 BFGS 算法小比共軛梯度算法略大 中小型網(wǎng)絡(luò)的首選算法 函數(shù)擬合模式識(shí)別 trainF trainlm LevenbergMarquardt 算法內(nèi)存需求最大收斂速度最快 trainF trainbr 貝葉斯正則化算法 有代表性的五種算法為 traingdxtrainrptrainscgtrainoss trainlm 1 訓(xùn)練顯示間隔 03 學(xué)習(xí)步長(zhǎng) traingdtraingdm 095 動(dòng)量項(xiàng)系數(shù) traingdmtraingdx reduc 10 分塊計(jì)算 Hessian 矩陣 僅對(duì) LevenbergMarquardt 算法有效 hs 1000 最大訓(xùn)練次數(shù) 1e8 最小均方誤差 grad 1e20 最小梯度 inf 最大訓(xùn)練時(shí)間 訓(xùn)練與測(cè)試 train PN1T1 訓(xùn)練 測(cè)試 Y1 sim PN1 訓(xùn)練樣本實(shí)際輸出 Y2 sim PN2 測(cè)試樣本實(shí)際輸 出 Y1 full pet Y1 Y2 full pet Y2 競(jìng)爭(zhēng)輸出LevenbergMarquardt 算法 圖 324 訓(xùn)練樣本競(jìng)爭(zhēng)輸出結(jié)果 圖 325 測(cè)試樣本競(jìng)爭(zhēng)輸出結(jié)果 步驟 5 結(jié)果統(tǒng)計(jì) Result sum abs T1Y1 正確分類顯示為 1 Percent1 sum Result length Result 訓(xùn)練樣本正確分類率 Result sum abs T2Y2 正確分類顯示為 1 Percent2 sum Result length Result 測(cè)試樣本正確分類率 LevenbergMarquardt 算法 圖 326 基于 LevenbergMarquardt 算法測(cè)試過(guò)程 Result 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Percent1 1 Result 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 Percent2 09333 貝葉斯正則化算法 圖 327 基于貝葉斯正則化算法訓(xùn)練過(guò)程 Result 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Percent1 1 Result 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Percent2 1 One Step Secant Algorithm 算法 圖 328 基于 One Step Secant Algorithm 算法測(cè)試過(guò)程 Result 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Percent1 1 Result 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Percent2 1 Scaled Conjugate Gradient 算法 圖 329 基于 Scaled Conjugate Gradient 算法測(cè)試過(guò)程 Result 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Percent1 1 Result 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Percent2 1 RPROP 彈性 BP 算法 圖 330 基于 RPROP 彈性 BP 算法測(cè)試過(guò)程 Result 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Percent1 1 Result 1 1 1 1 1 1 0 0 0 0 1 1 1 1 1 Percent2 07333 變學(xué)習(xí)率動(dòng)量梯度下降算法 圖 331 基于變學(xué)習(xí)率動(dòng)量梯度下降算法測(cè)試過(guò)程 Result 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Percent1 1 Result 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 Percent2 1 本次實(shí)驗(yàn)分別測(cè)試了不同的算法在樣本分類中的應(yīng)用并在訓(xùn)練效果上進(jìn)行了對(duì)比可以看出訓(xùn)練效果的好壞跟算法所占內(nèi)存存在一定的關(guān)系雖然不同的算法都能比較正確的分好類別但是在訓(xùn)練過(guò)程上卻存在不同的差異由此可見 BP 神經(jīng)網(wǎng)絡(luò)的應(yīng)用是不固定且靈活的在實(shí)際應(yīng)用中應(yīng)綜合考慮各方面的條件選擇一個(gè)最不浪費(fèi)資源又能達(dá)到自己目的的算法 結(jié)論 本文首先總結(jié)了神經(jīng)網(wǎng)絡(luò)的研究目的和意義介紹了神經(jīng)網(wǎng)絡(luò)的研究背景和現(xiàn)狀分析了目前神經(jīng)網(wǎng)絡(luò)研究中存在的問(wèn)題然后描述了 BP 神經(jīng)網(wǎng)絡(luò)算法的實(shí)現(xiàn)以及 BP 神經(jīng)網(wǎng)絡(luò)的工作原理給出了 BP 網(wǎng)絡(luò)的局限性在以 BP 神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的前提下分析研究了 BP 神經(jīng)網(wǎng)絡(luò)在函數(shù)逼近和樣本含量估計(jì)兩個(gè) 實(shí)例中的應(yīng)用以及分析了結(jié)論即信號(hào)的頻率越高則隱層節(jié)點(diǎn)越多隱單元個(gè)數(shù)越多逼近能力越強(qiáng)和隱層數(shù)目越多測(cè)試得到的樣本的水平越接近于期望值 本文雖然總結(jié)分析了 BP 神經(jīng)網(wǎng)絡(luò)算法的實(shí)現(xiàn)給出了實(shí)例分析但是還有很多的不足所總結(jié)的 BP 神經(jīng)網(wǎng)絡(luò)和目前研究的現(xiàn)狀都還不夠全面經(jīng)過(guò)程序調(diào)試的圖形有可能都還存在很多細(xì)節(jié)上的問(wèn)題而圖形曲線所實(shí)現(xiàn)效果都還不夠好以及結(jié)果分析不夠全面正確缺乏科學(xué)性等這些都還是需加強(qiáng)提高的本文的完成不代表就對(duì)這門學(xué)科研究的結(jié)束還有很多知識(shí)理論研究成果需要不斷學(xué)習(xí) 近幾年的不斷發(fā)展神經(jīng)網(wǎng)絡(luò)更是取得了非常廣泛的應(yīng)用 和令人矚目的發(fā)展在很多方面都發(fā)揮了其獨(dú)特的作用特別是在人工智能自動(dòng)控制計(jì)算機(jī)科學(xué)信息處理機(jī)器人模式識(shí)別等眾多方面的應(yīng)用實(shí)例給人們帶來(lái)了很多應(yīng)用上到思考和解決方法的研究但是神經(jīng)網(wǎng)絡(luò)的研究最近幾年還沒有達(dá)到非常熱門的階段這還需有很多熱愛神經(jīng)網(wǎng)絡(luò)和研究神經(jīng)網(wǎng)絡(luò)人員的不斷研究和創(chuàng)新在科技高度發(fā)達(dá)的現(xiàn)在我們有理由期待也有理由相信我想在不久的將來(lái)神經(jīng)網(wǎng)絡(luò)會(huì)應(yīng)用到更多更廣的方面人們的生活會(huì)更加便捷 參考文獻(xiàn) [1] 鄭君里楊行峻《人工神經(jīng)網(wǎng)絡(luò)》 北京 高等教育出版社 199251530 [2] 郝中華《 B P 神經(jīng)網(wǎng)絡(luò)的非線性思想》 洛陽(yáng)師范學(xué)院學(xué)報(bào) 20203 4 [3] 巨軍讓卓戎《 B P 神經(jīng)網(wǎng)絡(luò)在 Matlab 中的方便實(shí)現(xiàn) 》新疆石油 1 [4] 蔣宗禮《人工神經(jīng)網(wǎng)絡(luò)導(dǎo)論》 高等教育出版社 202051590 [5] 聞新周露王丹力熊曉英《 MATLAB 神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計(jì)科學(xué)出版社》202051050 [6] 葛哲學(xué)孫志強(qiáng)編著 《神經(jīng)網(wǎng)絡(luò)與 matlab2020 實(shí)現(xiàn)》 北京電子工業(yè)出版社 2020915 [7] 董長(zhǎng)虹 編著 《 Matlab 神經(jīng)網(wǎng)絡(luò)與應(yīng)用》 北京國(guó)防工業(yè)出版 社20209113 [8] 胡守仁等《神經(jīng)網(wǎng)絡(luò)導(dǎo)論》長(zhǎng)沙國(guó)防科技大學(xué)出版社 19932345 [9] 張玲張鈸《人工神經(jīng)網(wǎng)絡(luò)理及應(yīng)用》 浙江浙江科技大學(xué)出版社199752062 [10] Neural Network Tolbox Users The MathWorks Inc20202027 [11] Matlab users Guide The MathWorksInc20202327 [12] Neural Network Toolbox Mathworks2020113 [13] Philip D Wasserman Neural Computing Theory and PracticeVan Nostrand ReinholdHAGAN M TDEMUTH H B Neural work design[M] PWS Publishing CompanyA division of Thomson LearningUnited States of America 19961621629 [15] 樓順天等《基于 Matlab 的系統(tǒng)分析與設(shè)計(jì) 神經(jīng)網(wǎng)絡(luò)》 西安西安電子科技大學(xué)出版 社 202082340 [16] 周開利康耀紅 編著《神經(jīng)網(wǎng)絡(luò)模型及其 MATLAB 仿真程序設(shè)計(jì)》20202043 [17] 魏海坤《神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)的理論與方法》國(guó)防工業(yè)出版社202092030 [18] 李學(xué)橋《神經(jīng)網(wǎng)絡(luò)工程應(yīng)用》 重慶重慶大學(xué)出版社 199562073 [19] 馮蓉 楊建華《基于 BP 神經(jīng)網(wǎng)絡(luò)的函數(shù)逼近的 MATLAB 實(shí)現(xiàn)》 [J] 榆林學(xué)院學(xué)報(bào) 2020 02 [20] 李曉慧《基于 MATLAB 的 BP 神經(jīng)網(wǎng)絡(luò)的應(yīng)用》 [J] 科技信息 2020 26 [21] 徐遠(yuǎn)芳周旸鄭華《基于 MATLAB 的 BP 神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)研究》 [J] 微型電腦應(yīng)用 2020 081 I ABSTRACT II 目錄 IV 前言 V 湖南工學(xué)院 2020 屆畢業(yè)設(shè)計(jì)論文 43
點(diǎn)擊復(fù)制文檔內(nèi)容
環(huán)評(píng)公示相關(guān)推薦
文庫(kù)吧 www.dybbs8.com
備案圖鄂ICP備17016276號(hào)-1