神经网络设计及matlab仿真实验

《神经网络设计及matlab仿真实验》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、.昆明理工大学信息工程与自动化学院学生实验报告（20—20学年第学期）课程名称：智能控制导论开课实验室：自动化系机房2013年5月29日年级、专业、班20101级测控101班学号姓名成绩实验项目名称模糊控制系统设计及MATLAB仿真研究指导教师教师评语教师签名：年月日一、实验目的通过上机实习，熟悉MATLAB的基本操作命令和神经网络工具箱的使用，掌握MATLAB编程或神经网络编辑器等方法，进行BP神经网络设计的基本方法和步骤，为以后利用计算机进行神经网络控制系统分析与设计打下良好的基础。二、实验内容试设计BP神经网络来实现正弦函数的逼近。输入矢量X=-1:0.1:1;相

2、对应的目标矢量三、所用仪器、材料（设备名称、型号、规格等）装有MATLAB的电脑或者个人计算机四、实验方法、步骤1、方法一：MATLAB程序仿真实现（本次试验采用方法一）2、方法二：神经网络工具箱实现...五、实验过程原始记录(数据、图表、计算等)1、利用两层BP网络完成函数逼近，隐含层激活函数为S型函数，输出层的激活函数为线性函数（程序）clearall;clc;NNTWARNOFF;X=-1:0.05:1;T=sin(pi*X);plot(X,T,'+b');pause2、建立BP网络，并初始化权值和阈值（程序）[R,N]=size(X);[S2,N]=size(T

3、);S1=5;[w11,b11,w12,b12]=initff(X,S1,'tansig',S2,'purelin');[y1,y21]=simuff(X,w11,b11,'tansig',w12,b12,'purelin');（训练前BP网络的函数逼近效果）...3、利用不含噪声的理想输入数据训练网络（程序）disp_freq=5;max_epoch=1000;%训练次数err_goal=0.02;%训练误差lr=0.01;%学习速率tp=[disp_freqmax_epocherr_goallr];[w21,b21,w22,b22,te,tr]=trainbpx(w

4、11,b11,'tansig',w12,b12,'purelin',X,T,tp);（BP网络训练过程参数显示）TRAINBPX:0/1000epochs,lr=0.01,SSE=122.631.TRAINBPX:5/1000epochs,lr=0.00567236,SSE=11.7777.TRAINBPX:10/1000epochs,lr=0.00723953,SSE=9.15102.TRAINBPX:15/1000epochs,lr=0.00923968,SSE=6.89626.TRAINBPX:20/1000epochs,lr=0.0117924,SSE=4.92

5、212.TRAINBPX:25/1000epochs,lr=0.0150505,SSE=3.47479.TRAINBPX:30/1000epochs,lr=0.0192086,SSE=2.43021.TRAINBPX:35/1000epochs,lr=0.0245156,SSE=1.77321.TRAINBPX:40/1000epochs,lr=0.0312888,SSE=1.41395.TRAINBPX:45/1000epochs,lr=0.0399334,SSE=1.23208.TRAINBPX:50/1000epochs,lr=0.0509662,SSE=1.13

6、685.TRAINBPX:55/1000epochs,lr=0.0650472,SSE=1.03322.TRAINBPX:60/1000epochs,lr=0.0830186,SSE=0.860574.TRAINBPX:65/1000epochs,lr=0.105955,SSE=0.651445.TRAINBPX:70/1000epochs,lr=0.135229,SSE=0.435468.TRAINBPX:75/1000epochs,lr=0.17259,SSE=0.232097....TRAINBPX:80/1000epochs,lr=0.220273,SSE=0.

7、0919917.TRAINBPX:85/1000epochs,lr=0.28113,SSE=0.0244567.TRAINBPX:86/1000epochs,lr=0.295187,SSE=0.0177537plot(X,y21,'--g',X,y22,'or')disp('网络训练步数为：')tepausefigure(2);%网络训练记录tr(1,:)为训练误差，tr(2,:）为训练过程中的学习速率plottr(tr)网络训练步数为：te=86（BP网络训练过程的误差及学习速率变化曲线）（训练后BP网络的函数逼近效果）...4、检验训