【正文】 五、總結(jié) 參考文獻： [1]羅軍輝 , 馮平等 . MATLAB 用 .北京：機械工業(yè)出版社 ， 2022 [2]聞新 ,周露等 . MATLAB神經(jīng)網(wǎng)絡(luò)仿真與應(yīng)用 .北京：科學(xué)出版社 ， 2022 [3]李士勇 .模糊控制 .神經(jīng)控制和智能控制 .哈爾濱：哈爾濱工業(yè)大學(xué)出版社 ， 1998 第一次作業(yè) ?設(shè)計一個 BP網(wǎng)絡(luò)模型 ?要求： ? ； ? ? ， 包括輸入和輸出 ， 盡可能多 ? ? （ 表格形式 ） ? 1份 ， 并發(fā)送至 ?注 :具體格式要求見 ?密碼： 123456 。 而ＢＰ網(wǎng)絡(luò)具有逼近任意非線性影射的能力 ， 可以不受非線性模型的限制 ,并且學(xué)習(xí)算法簡單 。 經(jīng)過 3768次訓(xùn)練后，網(wǎng)絡(luò)的目標(biāo)誤差達到要求，如圖 2所示 圖 2 訓(xùn)練結(jié)果 表 2 測試數(shù)據(jù) 地震累 計頻度 累計釋 放能量 B值 異常地震 群個數(shù) 地震條 帶個數(shù) 活動 周期 相關(guān)區(qū) 震級 實際 震級 0 0 0 0 1 0 1 0 0 1 1 1 0 0 1 輸出結(jié)果經(jīng)過反歸一化處理后得到預(yù)測震級，和實際震級相比較可得到網(wǎng)絡(luò)的預(yù)測誤差，反歸一化處理采用公式： x^=(xxmin)/(xmaxxmin) 。訓(xùn)練后的網(wǎng)絡(luò)才有可能滿足實際應(yīng)用的要求。由于輸出已被歸一化到區(qū)間 [0， 1]中，因此，輸出層神經(jīng)元的傳遞函數(shù)可以設(shè)定為 S型對數(shù)函數(shù)。網(wǎng)絡(luò)只有 1個輸出數(shù)據(jù)，則輸出層只有 1個神經(jīng)元，因此，網(wǎng)絡(luò)應(yīng)該為 7*15*1的結(jié)構(gòu)。在三層BP網(wǎng)絡(luò)中隱含層神經(jīng)元個數(shù) a和輸入層神經(jīng)元個數(shù) b之間有以下近似關(guān)系： a=2b+1。表 1中的數(shù)據(jù)已經(jīng)是歸一化后的數(shù)據(jù)了。 四、實際應(yīng)用 一共收集 10個學(xué)習(xí)樣本，如表 1所示 地 震 累 計頻度 累計釋放能量 b值 異 常 地 震群個數(shù) 地震條帶個數(shù) 活動周期 相 關(guān) 區(qū)震級 實際震級 0 0 0 0 0 0 0 1 0 1 1 1 4183 0 1 0 0 1 1 1 0 0 0 0 0 0 0 0 表 1 學(xué)習(xí)震例 表 1 中的前 7項為學(xué)習(xí)樣本的輸入因子，輸出因子為實際震級，利用上表中的學(xué)習(xí)震例對網(wǎng)絡(luò)進行訓(xùn)練。根據(jù)這些地震資料，提取出 7個預(yù)測因子和實際發(fā)生的震級 M作為輸入和目標(biāo)向量。相對于傳統(tǒng)的預(yù)測方法，神經(jīng)網(wǎng)絡(luò)在處理這方面問題中有著獨特的優(yōu)勢。 二．背景描述 傳統(tǒng)的非線性系統(tǒng)辨識在理論研究和實際應(yīng)用方面都存在著極大的困難，而ＢＰ網(wǎng)絡(luò)具有通過學(xué)習(xí)逼近任意非線性影射的能力， 將ＢＰ網(wǎng)絡(luò)應(yīng)用于非線性系統(tǒng)的建模與辨識，可以不受非線性模型的限制，易于實現(xiàn)學(xué)習(xí)算法。引發(fā)地震的相關(guān)性因素很多，其產(chǎn)生機理的復(fù)雜性、孕育過程的非線性和認(rèn)識問題的困難性使得人們很難建立較完善的物理理論模型。這使得它特別適合于求解內(nèi)部機制復(fù)雜的問題； (2)網(wǎng)絡(luò)能通過學(xué)習(xí)帶正確答案的實例集自動提取 “ 合理的 ” 求解規(guī)則，即具有自學(xué)習(xí)能力； (3)網(wǎng)絡(luò)具有一定的推廣、概括能力。歸結(jié)起來為， “ 模式順傳播 ” →“ 誤差逆?zhèn)鞑?” →“ 記憶訓(xùn)練 ” →“ 學(xué)習(xí)收斂 ” 過程。 0 0 1 ]39。 1 。 Y=sim(,P39。 =train(,P39。})。,39。),[12,1],{39。 T=[0 ]。 0 1 。 0 0 。 0 0 0 。 0 0 1 。 1 1 。 1 。 ? =train(,p,t) ? w={1,1} ? w=2 3 ? b={1} ? b=1 ? a=sim( p) ? a=0 1 0 1 0 0 . 5 1 1 . 5 2 2 . 5 300 . 10 . 20 . 30 . 40 . 50 . 60 . 70 . 80 . 913 E p o c h sTrainingBlue GoalBlackP e r f o r m a n c e i s 0 , G o a l i s 0clc clear。1 1]39。1 2。2 +2],1) ? ,=10。 ? t=[0 1 0 1]。2] [2 2] [1。 ? p=[[2。 ? =train(,p,t) ? w={1,1} ? w=2 2 ? b={1} ? b=1 訓(xùn)練兩個輸入和一個神經(jīng)元的感知器 ? =newp([2 2。 ? t=[0]。2 +2],1) ? p=[2。t4=1。t3=0。t2=1。t1=0。 ? {1}=5。5 +2],1)。 感知器的神經(jīng)網(wǎng)絡(luò)工具箱 1 感知器的創(chuàng)建 感知器生成函數(shù) newp 用于創(chuàng)建一個感知器網(wǎng)絡(luò) =newp =newp(pr,s,tf,lf) 其中： 函數(shù)返回值，表示生成的感知器網(wǎng)絡(luò) pr一個 RX2 的矩陣，由 R組輸入向量的最大值和最小值組成； s神經(jīng)原數(shù)； tf感知器的傳遞函數(shù) 。 ? grid on 微分方程 ? Van der Pol Equation 0)1(222???? ydtdyydtyd標(biāo)準(zhǔn)形式改寫 1212221)1( yyydtdyydtdy????程序?qū)崿F(xiàn) ? function dydt = DifferentialCoe(t,y) ? dydt = [y(2)。*r39。 ? yi = polyval(p7,xi)。 ? %最小二乘擬合 ? p7 = polyfit(x,y,7)。) ? grid on ? %7次多項是擬合 ? %已知離散點 ? x = [1 3 4 5 6 7 8]。 ? hold on ? plot(x,y,39。 ? y1 = polyval(p1,x)。 ? y = [ 1 2 3 ]。 ]。 b = [ 。 1 2 4 。 ? expC = exp(C) ? expM = expm(C) ? logM = logm(expM) ? detA = det(A) ? traceA = trace(A) ? BT = B39。 0 2 3 。 4 5 6]。 7 8 9]。,1) %求最小值 矩陣運算 ? A = [1 2 3 。,3) %求解 Xmin = fminbnd(39。,[1 ]) %作圖 result = func(0) %求函數(shù)值 xsolve = fzero(39。 Examples ?繪圖實例 ?函數(shù)分析 ?矩陣運算 ?線性方程組 ?曲線擬合 ?微分方程 繪圖實例 函數(shù)分析 fplot(39。 semilogy：繪制以 y軸為對數(shù)坐標(biāo)（以 10為底），x軸為線性坐標(biāo)的半對數(shù)坐標(biāo)圖形。 legend(‘字符串 1’,‘字符串 2’,… ,‘字符串 n’) ? 在屏幕上開啟一個小視窗 ， 然后依據(jù)繪圖命令的先后次序 ， 用對應(yīng)的字符串區(qū)分圖形上的線 。 ? xlabel(‘字符串 ’ )， ylabel(‘字符串 ’ ) 設(shè)置 x， y坐標(biāo)軸的名稱 。 文字標(biāo)示 text(x,y,’字符串 ’ ) 在圖形的指定坐標(biāo)位置 (x,y)處 ， 標(biāo)示單引號括起來的字符串 。 grid on：在所畫出的圖形坐標(biāo)中加入柵格 grid off：除去圖形坐標(biāo)中的柵格 hold on：把當(dāng)前圖形保持在屏幕上不變，同時 允許在這個坐標(biāo)內(nèi)繪制另外一個圖形。比如： plot(x,y)； plot(x,y,option) 選項參數(shù) option定義了圖形曲線的顏色、線型及標(biāo)示符號，它由一對單引號括起來。 Graphics MATLAB提供了豐富的繪圖功能 help graph2d可得到所有畫二維圖形的命令 help graph3d可得到所有畫三維圖形的命令 基本的繪圖命令 plot（ x1,y1,option1,x2,y2,option2,… ） x1,y1給出的數(shù)據(jù)分別為 x,y軸坐標(biāo)值， option1為選項參數(shù)，以逐點連折線的方式繪制 1個二維圖形；同時類似地繪制第二個二維圖形。 函數(shù)文件 與在命令窗口中輸入命令一樣，函數(shù)接受輸入?yún)?shù)，然后執(zhí)行并輸出結(jié)果。 （ 2） 第一行幫助行 ， 即 H1行 ? 以 （ %） 開頭 ， 作為 lookfor指令搜索的行 （ 3） 函數(shù)體說明及有關(guān)注解 ? 以 （ %） 開頭 ， 用以說明函數(shù)的作用及有關(guān)內(nèi)容 （ 4） 函數(shù)體語句 ? 函數(shù)體內(nèi)使用的除返回和輸入變量這些在 function語句中直接引用的變量以外的所有變量都是局部變量 ， 即在該函數(shù)返回