智能控制導(dǎo)論報(bào)告bp神經(jīng)網(wǎng)絡(luò)模糊控制(已改無錯(cuò)字)
2023-07-20 03:19:46 本頁面
【正文】 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(duì)于誤差函數(shù)斜率下降的方向上計(jì)算網(wǎng)絡(luò)權(quán)值和偏差的變化而逐漸逼近目標(biāo)的。每一次權(quán)值和偏差的變化都與網(wǎng)絡(luò)誤差的影響成正比，并以反向傳播的方式傳遞到每一層。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)。對(duì)于BP網(wǎng)絡(luò)的實(shí)現(xiàn)．其提供了四個(gè)基本函數(shù)：newff，init．train和sim．它們分別對(duì)應(yīng)四個(gè)基本步驟．即新建、初始化、訓(xùn)練和仿真(1)初始化前向網(wǎng)絡(luò)初始化是對(duì)連接權(quán)值和閾值進(jìn)行初始化。initff函數(shù)在建立網(wǎng)絡(luò)對(duì)象的同時(shí)，自動(dòng)調(diào)用初始化函數(shù)，根據(jù)缺省的參數(shù)對(duì)網(wǎng)絡(luò)的連接權(quán)值和閾值進(jìn)行初始化。格式：[wl，bl，w2，b2]=initff(p，sl，fl，s2，f2)其中P表示輸入矢量，s表示神經(jīng)元個(gè)數(shù)，f表示傳遞函數(shù)，W表示權(quán)值，b表示閾值。(2)訓(xùn)練網(wǎng)絡(luò)BP網(wǎng)絡(luò)初始化以后，就可對(duì)之進(jìn)行訓(xùn)練了。函數(shù)采用批處理方式進(jìn)行網(wǎng)絡(luò)連接權(quán)值和閾值的更新，要對(duì)其參數(shù)進(jìn)行設(shè)置，如學(xué)習(xí)步長、誤差目標(biāo)等，同時(shí)在網(wǎng)絡(luò)訓(xùn)練過程中，還用圖形顯示網(wǎng)絡(luò)誤差隨學(xué)習(xí)次數(shù)的變化。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(dòng)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)。(3)網(wǎng)絡(luò)仿真仿真函數(shù)simff用來對(duì)網(wǎng)絡(luò)進(jìn)行仿真。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(duì)網(wǎng)絡(luò)進(jìn)行修改評(píng)價(jià)。格式：a=simff(p，wl，b1，fl，w2，b2，f2)其中a表示訓(xùn)練好的BP網(wǎng)絡(luò)的實(shí)際輸出。五、實(shí)驗(yàn)步驟A=[1 1 1 1。1 1 1 1。1 1 1 1。1 1 1 1]。I=[1 1 1 1。1 1 1 1。1 1 1 1。1 1 1 1]。O=[1 1 1 1。1 1 1 1。1 1 1 1。1 1 1 1]。
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1