智能控制導(dǎo)論報(bào)告bp神經(jīng)網(wǎng)絡(luò)模糊控制(參考版)
2025-06-22 03:19本頁面
【正文】 b={2}。w={2,1}。 [net1,tr]=train(net1,X1,T1)endy3=sim(net1,X)。T1=[T T T T]。 % 訓(xùn)練目標(biāo)偏差=500。y2=sim(net,X)。b={1}。 % 動量參數(shù)[net,tr]=train(net,X,T)。 % 訓(xùn)練時間=20。 % 平方和偏差函數(shù)=。% 利用不含噪聲的理想輸入數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)，并得權(quán)值和閾值=39。b={2}。w={2,1}。traingdx39。tansig39。tansig39。traingdx39。tansig39。S1=10。% 建立網(wǎng)絡(luò)，并得權(quán)值和閾值[R N1]=size(X)。1]。T2=[1。1。1]。T0=[1。X2=[1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1]39。1 1 1 1。O=[1 1 1 1。1 1 1 1。I=[1 1 1 1。1 1 1 1。五、實(shí)驗(yàn)步驟A=[1 1 1 1。利用此函數(shù)，可以在網(wǎng)絡(luò)訓(xùn)練前后分別進(jìn)行輸入輸出的仿真，以做比較，從而對網(wǎng)絡(luò)進(jìn)行修改評價。① 基本梯度下降法訓(xùn)練網(wǎng)絡(luò)函數(shù)trainbp格式：[wl，bl，w2，b2，te，tr]=trainbp(wl，bl，fl，w2，b2，f2，p，t，tp)② 帶有動量項(xiàng)的自適應(yīng)學(xué)習(xí)算法訓(xùn)練網(wǎng)絡(luò)函數(shù)trainbpx格式：[wl，bl，w2，b2，te，tr] =trainbpx(wl，bl，fl，w2，b2，f2，p，t，tp) 其中P表示輸入矢量，t表示目標(biāo)矢量，te為網(wǎng)絡(luò)的實(shí)際訓(xùn)練次數(shù)， tr為網(wǎng)絡(luò)訓(xùn)練誤差平方和的行矢量，tp表示網(wǎng)絡(luò)訓(xùn)練參數(shù)(如學(xué)習(xí)率、期望誤差、最大學(xué)習(xí)次數(shù)等)。(2)訓(xùn)練網(wǎng)絡(luò)BP網(wǎng)絡(luò)初始化以后，就可對之進(jìn)行訓(xùn)練了。initff函數(shù)在建立網(wǎng)絡(luò)對象的同時，自動調(diào)用初始化函數(shù)，根據(jù)缺省的參數(shù)對網(wǎng)絡(luò)的連接權(quán)值和閾值進(jìn)行初始化。在MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中．有很方便的構(gòu)建神經(jīng)網(wǎng)絡(luò)的函數(shù)。學(xué)習(xí)的目的是用網(wǎng)絡(luò)的實(shí)際輸出與目標(biāo)矢量之間的誤差來修改其權(quán)值，使實(shí)際與期望盡可能地接近，即使網(wǎng)絡(luò)輸出層的誤差平方和達(dá)到最小，他是通過連續(xù)不斷地在相對于誤
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1