资源描述：
《《人工智能导论》课程研究总结》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、《人工智能导论》课程研究总结题目：BP神经网络的非线性函数拟合班级:姓名:学号:年月曰本次作业我负责程序的编写，过程如下Matlab软件中包含Matlab神经网络工具箱。它是以人工神经网络理论为基础，用Matlab语言构造出了该理论所涉及的公式运算、短阵操作和方程求解等大部分子程序以用于神经网络的设计和训练。用户只需根据自己的需要调用相关的了程序，即可以完成包括网络结构设计、权值初始化、网络训练及结杲输出等在内的一系列工作，免除编写复杂庞大程序的困扰。目前，Matlab神经网络工具包包描的网络有感知器、线性网络、
2、BP神经网络、径向基网络、自组织网络和冋归网络等。BP神经网络主要用至!Jnewff、sim和train3个神经网络函数,各函数解释如下。1、newff：BP神经网络参数设置函数函数功能：构建-个BP神经网络。函数形式：not=newff(P,T,S,TF,BTF,BLF,PF,IPF,OPF,DDF)P：输入数据矩阵。T：输出数据矩阵。S：隐含层结点数。TF：结点传递函数，包括硕限幅传递函数hardlim,对称硕限幅传递函数hardlims,线性传递函数pureline,正切S型传递函数tansig,对数S型传
3、递函数logsigoBTF：训练函数，包括梯度卜•降BP算法训练函数traingd,动量反传的梯度卜降BP算法训练函数traingclm,动态自适应学习率的梯度下降BP算法训练函数traingda,动量反传和动态自适应学习率的梯度下降BP算法训练函数traingdx,LevenbergMarquardt的BP算法训练函数trainlmoBLF：网络学习函数，包括BP学习规格learngd,带动量项的BP学习规则learngdmoP"性能分析函数，包扌舌均值绝对误差性能分析函数mae,均方差性能分析函数mseoTP
4、F：输入处理函数。0PF：输出处理函数。DDF：验证数据划分函数。一般在使用过程中设置前面6个参数，后面4个参数采用系统默认参数。2、train：BP神经网络训练函数函数功能：用训练数据训练BP神经网络。函数形式:[net,tr]=train(NET,X,T,Pi,Ai)NET：待训练网络。X：输入数据。T：输出数据。Pi：初始化输入层条件。Ai：初始化输出层条件。not：训练好的网络。tr：训练过程记录。一般在使用过程屮设置前面3个参数，后面2个参数采用系统默认参数。3、sim：BP神经网络预测函数、函数功能：
5、用训练好的BP神经网络预测函数输出。函数形式：y二sim(net,x)net：训练好的网络。x：输入数据。y：网络预测数据。程序代码：%%清空环境变量clcclear%%训练数据预测数据提取及归一化%导入输入输出数据loaddatainputoutput%从1到2000间随机排序k=rand(l,2000);[m,n]二sort(k);%随机选择1900组训练数据和100组预测数据input_train=input(n(1:1900),:),;outputtrain二output(n仃：1900));input_
6、test=input(n(1901:2000),;output_tcst=output(n(1901:2000));%训练数据归一化[inputn,inputps]=mapminmax(inputtrain);[outputn,outputps]=mapminmax(output_train);%%BP网络训练%初始化BP网络结构net=newff(inputn,outputn,5);%网络参数配置(迭代次数、学习率、目标)net.trainParam・epochs二100;net.trainParam・0.1;
7、net・trainParam.goal=0.00004;%网络训练net二tmin(nct,inputn,outputn);%%BP网络预测%预测数据归一化inputn_test=mapminmaxCapply",inputtest,inputps);%网络预测输岀an=sim(net,inputntest);%网络输出反归一化BPoutput=mapminmax(，reverse，,an,outputps);%%结果分析figure(1)plot(BPoutput,':og，)holdonplot(output
8、_test,'-*');legendC预洒输出'，’期望输出')title(，BP网络预测输出','fontsize，,12)ylabel('函数输出','fontsize',12)xlabcl('样本','fontsize，,12)%预测误差error=BPoutput-output_test;figure(2)plot(error,'-*')title('BP网络预测
