《神经网络技术与应用》程序题答案

《《神经网络技术与应用》程序题答案》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、《神经网络技术与应用》试题1．人工神经网络常用的学习方法有哪些？各有哪些特点？（10分）2．简述感知器的网络结构、工作原理及主要应用领域。（10分）3．试推导三层前馈网络BP算法权值修改公式，并用BP算法学习如下函数：，基本步骤如下：（1）在区间上均匀选取个点（自行设定），计算的实际值，并由此组成网络的样本集；（2）自行构造前馈网络结构，用BP算法和样本集训练网络，使网络误差小于某个很小的正数；（3）在区间上随机选取个点（，最好为非样本点），用学习后的网络计算这些点的输出值，并与这些点的理想输出值比较，绘制误差曲线；（4）说明不同的、值对网络学习效果的影响。（15分

2、）4．简述CMAC网络的结构及特点。（10分）5．试用RBF网络学习一下函数（步骤可参看第3题）：其中：，。若输入信号的分辨率不同时，对算法的收敛过程有何影响。（15分）6．用Hopfield网络对如下字符进行识别：（1）试确定网络结构和网络权值；（2）将污染率为10%字符“0”、“1”、“2”、“3”（随机设定）输入网络，给出网络收敛后的结果。（3）将污染率为20%字符“4”、“6”、“9”（随机设定）输入网络，给出网络收敛后的结果。（20分）7．简述ART-1网络的结构和工作过程。（10分）8．结合自己的研究方向，谈谈如何应用神经网络理论和知识解决面临的实际问题

3、，要求给出实例。（10分）3.程序如下x=-5:0.001:5;y=cos(x)+2*sin(x)+5*x+exp(2*x);net=newff(minmax(x),[8,1],{'tansig','purelin'},'trainlm');net.trainparam.epochs=10000;net.trainparam.goal=0.01;[net,tr]=train(net,x,y);>>plot(x,y)>>title('标准输出');holdoff>>y4=sim(net,x);>>plot(x,y4)>>plot(x,y4,'b')>>plot(x,y

4、4,'g')>>title('样本不变情况下训练后输出');>>y1=cos(x1)+2*sin(x1)+5*x1+exp(2*x1);>>x1=-5:0.0009:5;y1=cos(x1)+2*sin(x1)+5*x1+exp(2*x1);>>plot(x1,y1,'r');>>title('样本改变后标准输出');>>y2=sim(net,x1);plot(x1,y2,'g');title('样本改变后训练输出');err=y2-y1;plot(x1,err,'b');title('误差曲线');N越大，训练次数越少，网络性能越好，学习效果变好，但是N太大会导致

5、计算机单步计算时间变长；越大，训练次数越少，训练时间减少，网络性能变差，学习效果变坏；总体上说，N越大，越小，学习效果会越好。但是会牺牲时间，有时候系统可能会达不到的训练要求。5.clear>>x=rand(2,1000);x=(x-0.5)*10;x1=x(1,:);x2=x(2,:);y=x1.^3+x2.^3+3*x1.^2+6*x1+7*x2+5*x1.*x2;net=newrb(x,y);NEWRB,neurons=0,MSE=9868.38NEWRB,neurons=25,MSE=136.414NEWRB,neurons=1000,MSE=1.41658

6、e-010[i,j]=meshgrid(-5:0.1:5);row=size(i);tx1=i(:);tx1=tx1';tx2=j(:);tx2=tx2';tx=[tx1;tx2];ty=sim(net,tx);v=reshape(ty,row);figuremesh(i,j,v);zlim([-200,600]);title('rbf网络');[x1,x2]=meshgrid(-5:0.05:5);y=x1.^3+x2.^3+3*x1.^2+6*x1+7*x2+5*x1.*x2;mesh(x1,x2,y)title('函数曲面图');mesh(x1,x2,v-y)

7、;>>title('误差曲面效果图')输入信号分辨率越高，学习速率越低，需要更多时间才能完成rbf网络的训练，算法收敛过程变慢，学习效果变好；过大的分辨率可能会导致计算机内存溢出而崩溃。6.程序如下：zero=[-1-1-1-1-1-1-1-1-1-1;-1-1-11111-1-1-1;-1-1111111-1-1;-1111-1-1111-1;-1111-1-1111-1;-1111-1-1111-1;-1111-1-1111-1;-1111-1-1111-1;-1111-1-1111-1;-1-1111111-1-1;-1-1-11111-1-1-1;-1-