智能控制課件第4章-人工神經(jīng)網(wǎng)絡(luò)模型-資料下載頁
2025-08-04 17:07本頁面
【正文】 P神經(jīng)網(wǎng)絡(luò) ? BP神經(jīng)元模型 ? BP神經(jīng)網(wǎng)絡(luò)特點(diǎn) ? 多層網(wǎng)絡(luò) ? 理論上 ， 如果隱層神經(jīng)元數(shù)不加限制 ， 兩層BP網(wǎng)絡(luò)可以完成輸入到輸出的任意函數(shù)影射 。 ? 傳輸函數(shù)為非線性函數(shù) ， 多為 logsig和 tansig函數(shù) ， 最后一層也可為 purelin函數(shù) 。 b ? p 1 p 2 p R a n f 1,1w2,1wRw,1? BP網(wǎng)絡(luò)廣泛應(yīng)用最為廣泛 ， 80％ ～ 90％ 的人工神經(jīng)網(wǎng)絡(luò)模型是采用 BP網(wǎng)絡(luò)或它的變化形式 ，體現(xiàn)了人工神經(jīng)網(wǎng)絡(luò)最精華的部分 。 ? BP網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則 標(biāo)準(zhǔn)的 BP算法和 LMS學(xué)習(xí)規(guī)則一樣是一種梯度下降學(xué)習(xí)算法 ， 其權(quán)值的修正是沿著誤差性能函數(shù)梯度的反方向進(jìn)行的 。 針對(duì)標(biāo)準(zhǔn) BP算法存在的一些不足 ， 出現(xiàn)了幾種基于標(biāo)準(zhǔn) BP算法的改進(jìn)算法 ， 如變梯度算法 、 牛頓算法等 。 ? BP網(wǎng)絡(luò)的 MATLAB仿真 ? BP網(wǎng)絡(luò)的應(yīng)用實(shí)例 設(shè)計(jì)基于 BP神經(jīng)網(wǎng)絡(luò)的印刷體字符 09的識(shí)別系統(tǒng) 。 ? BP網(wǎng)絡(luò)的 MATLAB仿真 ? 問題分析 識(shí)別的對(duì)象是印刷體數(shù)字 ， 這里我們以畫圖工具獲得的不同字體 、 字號(hào)的數(shù)字 09的 BMP圖形作為原始數(shù)據(jù) ， 編程對(duì)其進(jìn)行預(yù)處理 ， 獲得 16?16的二值圖像 ， 如圖所示 ， 其二值圖像數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的輸入 。 ? BP網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計(jì) 我們選用兩層 BP網(wǎng)絡(luò) ， 其輸入節(jié)點(diǎn)數(shù)為16?16=256；隱層傳輸函數(shù)為 logsig函數(shù) ， 假設(shè)采用一個(gè)輸出節(jié)點(diǎn)表示 10個(gè)數(shù)字 ， 則輸出層傳輸函數(shù)為 pureline；隱層節(jié)點(diǎn)數(shù)取為 25 。 ? BP網(wǎng)絡(luò)的 MATLAB仿真程序設(shè)計(jì) ? 本例 MATLAB仿真程序設(shè)計(jì)的主要步驟： ? 構(gòu)造訓(xùn)練樣本集 ， 并構(gòu)成訓(xùn)練所需的輸入矢量 p和目標(biāo)矢量 t ； ? 對(duì)原始圖像進(jìn)行預(yù)處理； ? 創(chuàng)建和訓(xùn)練 BP網(wǎng)絡(luò)； ? 對(duì)訓(xùn)練后的網(wǎng)絡(luò)進(jìn)行仿真 。 ? Hopfield網(wǎng)絡(luò) ? 離散 Hopfield 神經(jīng)網(wǎng)絡(luò)模型 S1? R1 a1( k 1) S1 S1? 1 1 p S1? 1 LW1 S1 對(duì)稱飽和線性層 a1( k ) n1 b1 + S1? 1 初始條件 S1? 1 D a1( 0 ) ? Hopfield神經(jīng)網(wǎng)絡(luò)特點(diǎn) ? 引入了網(wǎng)絡(luò)能量函數(shù)概念 ， 使網(wǎng)絡(luò)穩(wěn)定性研究有了明確的判據(jù)； ? 善于聯(lián)想記憶和進(jìn)行優(yōu)化計(jì)算等 。 ? 連續(xù) Hoppfield 網(wǎng)絡(luò)的電子電路實(shí)現(xiàn)為神經(jīng)計(jì)算機(jī)的研究奠定了基礎(chǔ)； ? Hopfield網(wǎng)絡(luò)的設(shè)計(jì) 在 MATLAB中 ， Hoppfield 網(wǎng)絡(luò)是通過設(shè)計(jì)函數(shù)進(jìn)行創(chuàng)建的 ， 它沒有學(xué)習(xí)函數(shù) ， 不能進(jìn)行訓(xùn)練 。 網(wǎng)絡(luò)設(shè)計(jì)的目標(biāo)是：存儲(chǔ)一組特定的穩(wěn)定平衡點(diǎn) ， 當(dāng)輸入一組初始條件 ， 網(wǎng)絡(luò)最后可以喚醒對(duì)應(yīng)的穩(wěn)定平衡點(diǎn) 。 初始條件輸入后 ， 一旦網(wǎng)絡(luò)開始運(yùn)行 ， 網(wǎng)絡(luò)的輸出會(huì)自動(dòng)反饋至輸入 ， 如此反復(fù) ， 直至網(wǎng)絡(luò)的輸出穩(wěn)定為止 ， 此時(shí) ， 每一個(gè)輸出向量最終收斂于與初始條件激勵(lì)的最接近的一個(gè)穩(wěn)定平衡點(diǎn) 。 ? Hopfield網(wǎng)絡(luò)的 MATLAB仿真 ? Hoppfield 網(wǎng)絡(luò)的應(yīng)用實(shí)例 Hopfield 神經(jīng)網(wǎng)絡(luò)常用于聯(lián)想記憶 。 假設(shè)我們希望構(gòu)造一個(gè)聯(lián)想記憶模型 ， 這個(gè)模型能夠識(shí)別出圖示 4個(gè)數(shù)字 。 ? 問題分析 以 0表示數(shù)字筆畫劃過的小方塊 ， 以 1表示數(shù)字筆畫未劃過的小方塊 ， 則 Hopfield網(wǎng)絡(luò)的需要 56個(gè)神經(jīng)元表示各方塊的狀態(tài)；網(wǎng)絡(luò)結(jié)構(gòu)要求目標(biāo)向量用一維向量表示 。 ? Hopfield網(wǎng)絡(luò)的 MATLAB仿真程序設(shè)計(jì) ? 本例 MATLAB仿真程序設(shè)計(jì)的主要步驟： ? 根據(jù)數(shù)字圖片 ， 構(gòu)造標(biāo)矢量 t ； ? 創(chuàng)建和設(shè)計(jì) Hoppfield 網(wǎng)絡(luò)； ? 對(duì)訓(xùn)練后的網(wǎng)絡(luò)進(jìn)行仿真 。 神經(jīng)網(wǎng)絡(luò)理論研究、神經(jīng)網(wǎng)絡(luò)應(yīng)用研究和神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)技術(shù)是人工神經(jīng)網(wǎng)絡(luò)的三個(gè)研究主要方向。 本講結(jié)合神經(jīng)網(wǎng)絡(luò)的應(yīng)用實(shí)例，對(duì)神經(jīng)網(wǎng)絡(luò)模型算法及其 MATLAB仿真作了簡要介紹，與神經(jīng)網(wǎng)絡(luò)本身的深?yuàn)W理論與廣泛應(yīng)用，猶如“九牛之一毛”，若大家能從中有所收獲，便是我最大的欣慰！謝謝大家！
電大資料相關(guān)推薦
鄂ICP備17016276號(hào)-1