资源描述：
《哈工大智能控制神经网络课件第四课matlabnn工具箱》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、人工神经网络理论及应用屈桢深哈尔滨工业大学4.MATLABNN工具箱主要内容入门：从一个简单例子常用网络对象属性NN工具箱中的BP算法演示与比较GUI工具字符识别实例MATLABNN工具箱介绍支持以下NN模型：感知器BP网络RBFN网络竞争型网络自组织网络反馈网络时延网络NARX网络自定义网络MATLABNN工具箱功能NNET5.0含近200个工具箱函数，包括：各类神经网络训练；图形化显示(误差结果，权值等)；与Simulink紧密结合，拖放方式创建NN；Simulink中NNControl和FuzzyNN实现(ANFIS)MATLABNN表示神经
2、网络——介绍u=[-1:0.05:1];%样本输入t=0.5+0.5*sin(2*pi*u);%样本输出net=newff([-11],[51],{'tansig','purelin'},'trainlm');%训练参数net.trainParam.goal=1e-6;net.trainParam.epochs=10000;[net,tr]=train(net,u,t);%训练y=sim(net,u);%实际输出plot(u,t,‘b’,u,y,‘r’);%期望输出和实际输出比较NN工具箱中最重要的对象。引用方式：网络名.[子对象].属性e.g.n
3、et.numInputs,net.trainParam.epochs,net.layers{1}.size代码中表示方法Net对象属性决定神经网络结构，包括输入向量，网络层，输出向量，权值向量等,以及他们的连接关系numLayers:神经网络层数演示Net对象属性：结构类型Net对象属性：子对象类型inputs：输入层结构(.range,.size)layers:各网络层结构(.size,.transferFun)outputs:输出向量结构targets:各网络层目标向量biases:各网络层阈值向量inputWeights:输入层权值向量lay
4、erWeights:各网络层权值向量Net对象属性：函数属性定义了在权值调整，初始化，性能计算或训练时采用的算法adaptFcn：权值/阈值调整initFcn：初始化权值/阈值performFcn：性能指标函数trainFcn：训练函数信号处理Net对象属性：函数属性(3)trainFcntraingdtraingdx+自适应学习速率+动量因子trainrp弹性BPtraincgb一种改进的共轭梯度法trainlmLevernberg-Marquardt其他…Net对象属性：参数属性(train)net.trainParam.epochs100最大
5、训练周期net.trainParam.max_fail5最大失败次数net.trainParam.mem_reduc1内存/速度折中系数(LM)net.trainParam.min_grad1e-10最小梯度net.trainParam.mu0.001初始μ(LM)net.trainParam.mu_dec0.1μ减小系数net.trainParam.mu_inc10μ增加系数net.trainParam.mu_max1e10最大μnet.trainParam.show25训练周期net.trainParam.timeinf最多训练时间不同训练函数
6、对应参数可能不同Net对象属性：权值/阈值基于权值和阈值属性的访问方式：IW输入权值；LW网络层权值；b阈值(输入层+网络层)演示MATLAB中的BP算法基于最速下降的方法及改进基于共轭梯度的方法基于二阶导数的方法MATLABBP算法:最速下降法与改进最速下降法(SDBP)动量BP法学习速率可变的BP算法弹性BP算法训练函数：traingd演示：nnd12sd1MATLABBP算法:最速下降法MATLABBP算法:动量BP训练函数：traingdm演示：nnd12moMATLABBP算法:学习速率可变BP训练函数：traingdx演示：nnd12v
7、lMATLABBP算法:弹性BP训练函数：trainrpMATLABBP算法:共轭梯度法Fletcher-Reeves修正算法(traincgf)Polak-Ribiere修正算法(traincgp)Powell-Beale修正算法(traincgb)Scaledconjugategradient算法(trainscg)演示：nnd12cgMATLABBP算法:基于二阶导数BFGS算法(trainbfg)OSS算法(trainoss)Levernberg-Marquardt(trainlm)演示：nnd12mNNGUI工具：nntoolNNTOOL
8、(1)输入区域(2)目标区域(3)神经网络对象(4)网络输出数据(5)误差数据引入数据／网络新建数据／网络Appcr1输入
