神经网络学习算法matlab仿真

《神经网络学习算法matlab仿真》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、东南大学自动化学院智能控制概论神经网络学习算法研究学院：姓名：学号：日期：-17-目录1任务要求叙述32系统分析及设计原理33设计实现54仿真验证65讨论与分析16-17-一．任务要求叙述（1）任务(a)运行算法，观察和分析现有学习算法的性能；clearall;closeall;nu=20;pi=3.1415926;fori=1:nup(i)=2*pi*i/nu;t(i)=0.5*(1+cos(p(i)));endminmax=[min(p(:))max(p(:))]net=newff([07],[61],{'logsig''purelin'},'traingd');%

2、traingdtraingdmtrainlmnet.trainParam.epochs=10000;net.trainParam.goal=0.0001;net.trainParam.show=200;net.trainParam.lr=0.1;net.trainParam.mc=0.6;%0.9defaultvalue;availableformomentumnet=train(net,p,t);y1=sim(net,p);figure(2);plot(p,t,'*-',p,y1,'r--')%**************testdata***************

3、***nu2=nu*3/2;fori=1:(nu2)p2(i)=2*pi*i/(nu2);t2(i)=0.5*(1+cos(p2(i)));endy2=sim(net,p2);figure(3);plot(t2,'*-');holdon;plot(y2,'r');xlabel('times');ylabel('outputs');figure(4);plot(t2-y2);xlabel('times');ylabel('error');(b)为了进一步提高学习逼近效果，可以采取那些措施，调节规律如何？根据所提的每种措施，修改算法程序，给出仿真效果验证、过程以及相应的曲线

4、图，给出适当的评述；(c)联系、结合前向神经网络的算法样本学习、测试等过程，谈谈本人对神经网络系统的一些认识和看法。（2）要求-17-提交完整的报告，包括：封面(题目、个人学号姓名等信息)、目录、任务要求叙述、系统分析及设计原理(包括神经网络学习过程的原理图及文字分析)、完整的设计实现过程(包括神经网络结构、参数等选择与实现、计算、原理过程等)、仿真验证(算法流程图、实现手段介绍、系统参数选择、曲线图、结合调参对响应曲线的影响给出必要的分析)、讨论与分析，总字数要求在2000以上。二．系统分析及设计原理（1）神经网络的学习算法学习过程实质上是针对一组给定的输入使网络产生

5、相应的期望输出的过程。总的来说，神经网络的学习算法分为两大类：有导师学习和无导师学习。输入信号X网络输出Y神经网络输入信号X期望输出T网络输出Y神经网络距离计算图1：有导师指导神经网络学习方式图2无导师指导神经网络学习方式由上图可见，所谓有导师学习就是在训练过程中，始终存在一个期望的网络输出。期望输出和实际输出之间的距离作为误差度量并用于调整权值。而无导师学习指的是网络不存在一个期望的输出，因而没有直接的误差信息，因此，为实现对网络的训练，徐建立一个简洁的评价函数，以对网络的某种行为取向做出评价。（2）多层传播网络的学习算法给定组样本。这里为维输入矢量，为维期望的输出矢

6、量，,.假设矢量和分别表示网络的输出层和隐含层的输出矢量。则训练过程为：(1)选，作为最大容许误差，并将权系数初始化成某一小的随机权矩阵。(2)训练开始按照-17-计算出各隐含层神经元的尽力输出，按照计算出各输出层神经元的激励输出。(1)计算误差(2)按公式计算出(3)调整权阵系数(4)若,，跳转到（2），否则跳转到（7）(5)若,结束，否则，跳转到（2）。三．设计实现（1）神经网络的结构（BP算法的神经网络结构）下图是一个多层传播结构。即在输入层和输出层之间嵌入一层或多层隐含层的网络结构。隐含层单元既可以与叔叔出单元相连也可以与其他隐含层单元相连。隐含层单元与输入单元

7、之间通过突触权系数连接，并可用矩阵表示全部关系。隐含层单元与输出单元之间通过突触权系数连接，全部关系可用矩阵表示。图3：神经网络结构图-17-（2）Maltab神经网络工具箱1函数介绍①newc()创建级联前向网络②②newff()创建前向BP网络③③newffd()创建存在输入延迟的前向网络在此次实验中，采用第二个函数即创建的是前向BP网络。 前向网络中各神经元接受前一级的输入，并输出到下一级，网络中没有反馈，可以用一个有向无环路图表示，这种神经网络称为前向网络。前向网络中节点分为两类，输入节点和计算节点。每个输入节点可以有任意个输入，