智能控制課件第4章-人工神經(jīng)網(wǎng)絡(luò)模型(參考版)
2024-08-15 17:07本頁面
【正文】 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)的實現(xiàn)技術(shù)是人工神經(jīng)網(wǎng)絡(luò)的三個研究主要方向。 ? 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 ? Hoppfield 網(wǎng)絡(luò)的應(yīng)用實例 Hopfield 神經(jīng)網(wǎng)絡(luò)常用于聯(lián)想記憶 。 網(wǎng)絡(luò)設(shè)計的目標(biāo)是：存儲一組特定的穩(wěn)定平衡點 ， 當(dāng)輸入一組初始條件 ， 網(wǎng)絡(luò)最后可以喚醒對應(yīng)的穩(wěn)定平衡點 。 ? 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 ? 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)化計算等 。 ? BP網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計 我們選用兩層 BP網(wǎng)絡(luò) ， 其輸入節(jié)點數(shù)為16?16=256；隱層傳輸函數(shù)為 logsig函數(shù) ， 假設(shè)采用一個輸出節(jié)點表示 10個數(shù)字 ， 則輸出層傳輸函數(shù)為 pureline；隱層節(jié)點數(shù)取為 25 。 ? BP網(wǎng)絡(luò)的 MATLAB仿真 ? BP網(wǎng)絡(luò)的應(yīng)用實例 設(shè)計基于 BP神經(jīng)網(wǎng)絡(luò)的印刷體字符 09的識別系統(tǒng) 。 ? 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 。 ? 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) 。 ? 本例線性神經(jīng)網(wǎng)絡(luò) MATLAB仿真程序設(shè)計的主要步驟： ? 以 newlin創(chuàng)建線性神經(jīng)網(wǎng)絡(luò) ? 構(gòu)造訓(xùn)練樣本集 ? 以 adapt自適應(yīng)調(diào)整所創(chuàng)建的網(wǎng)絡(luò) ， 獲得網(wǎng)絡(luò)訓(xùn)練的誤差信號 ， 即為輸出信號 。 ? 問題分析 利用自適應(yīng)線性網(wǎng)絡(luò)實現(xiàn)噪聲對消的原理框圖如圖所示 ： + 信號源 噪聲源 ? AD s n 0 n 1 s + n 0 y n 1 ? ? 對消原理 yns ??? 0?])[(][])[()]([2][])[(][2022002202ynEsEynEynsEsEynsEE?????????????])[(][][ 20m i n2m i n2m i n ynEsEE ????0])[( 20m i n ?? ynE0ny ? syns ???? 0?? MATLAB仿真程序設(shè)計 假設(shè)信號為一正弦信號 ， 受到隨機(jī)噪聲的污染 。 在 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中 ， 可以通過 maxlinlr 函數(shù)確定最大的學(xué)習(xí)率 。 ? 一般為單層 ， 也可為多層網(wǎng)絡(luò) （ MADALINE） ? 線性神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí) ? 線性神經(jīng)網(wǎng)絡(luò)采用均方誤差最小的學(xué)習(xí)規(guī)則 ，即 LMS（ Least Mean Squares） 算法 ， 來調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值 ， 它是一種沿誤差的最陡下降方向?qū)η耙徊綑?quán)值向量進(jìn)行修正的 。 ? 感知器的 MATLAB仿真 ? 設(shè)計的感知器神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) ? 感知器神經(jīng)網(wǎng)絡(luò)的 MATLAB程序?qū)崿F(xiàn) ? p 1 p 2 p 12 w 1 w 2 w 12 a b n ? 神經(jīng)網(wǎng)絡(luò)的創(chuàng)建與訓(xùn)練 ? 神經(jīng)網(wǎng)絡(luò)的仿真 ? 線性神經(jīng)網(wǎng)絡(luò) b ? p 1 p 2 p R a n f 1,1w2,1wRw,1 S1 S1? R S1? 1 1 P R ? 1 IW1 R a1 n1 b1 + S1? 1 S1? 1 ? 線性神經(jīng)元模型 ? 線性神經(jīng)網(wǎng)絡(luò)模型 ? 線性神經(jīng)網(wǎng)絡(luò)特點 ? 與感知器一
電大資料相關(guān)推薦
鄂ICP備17016276號-1