北京科技大学计算智能实验报告一二.pdf

《北京科技大学计算智能实验报告一二.pdf》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、北京科技大学实验报告学院：自动化学院专业：班级：姓名：学号：实验日期：2018年6月12日实验名称：计算智能基础实验一、实验二实验目的：熟悉并掌握前馈型神经网络和遗传算法的原理，作用以及算法流程，使用
matlab语言编写算法求解实际问题。实验仪器：matlabR2014a软件实验原理：1.BP神经网络：BP网络算法是为解决多层前馈网络连接权优化才提出的，是一种无反馈的多层前馈网络，其网络学习结构如下：常用激励函数Sigmoid型函数：1fx()=-x1+eBP算法采用非线性规划中的最速下降方法，按照误差

2、函数的负剃度方向修正连接权。BP算法的实质就是使误差最小化的求解问题，平方型误差函数如下：12E()yjkyjk2(l-1)层和l层的I/O以及连接权对应的误差函数：12Ek()yjkyjk2设lEEnetkkjklllwnetwijjkijEkl1Oljknetjk（l-1）层第j个神经元的输出即为l层神经元的输入，k为迭代次数lll1netjkwOijjkllOfnet()jkjk①当节点j为输出单元时lOyjkjkEylkjk

3、jklynetjkjkl(yy)fnet()kkjk②当节点j不为输出单元（隐含单元）时对于l+1层第m个单元：可以按照公式lll1netjkwOijjkllOfnet()jkjk从（l+1）层（或者输出层）一步步往回推求。有Ekll1Oljkjkwjkl(yy)(fnet)神经元为输出单元时jkkjkl其中l11lljk(w)fnet()神经元为隐含单元时jmkmkjkm2.遗传算法：遗传算法（GA）是一种元启发式自然选择的

4、过程，属于进化算法（EA）大类。遗传算法通常是利用生物启发算子，如变异、交叉和选择来生成高质量的优化和搜索问题的解决方案。借鉴生物进化理论，遗传算法将问题模拟成一个生物进化过程，通过遗传、交叉、突变、自然选择等操作产生下一代的解，并逐步淘汰适应度函数值低的解，增加适应度函数高的解。这样进化N代后就很有可能会进化出适应度函数值很高的个体。实验内容与步骤：1.已知一个前馈型神经网络例子如下图所示。设学习率l为0.9，当前的训练样本为x={1,0,1}，而且预期分类标号为1，同时，下表给出了当前该网络的各个连接

5、权值和神经元偏置，求该网络在当前训练样本下的训练过程。x11w14w154w46xw24226w255w56w34x3w335实验步骤：.02.已知函数如下:1yfx1,x2,x3,x42222x1x2x3x41其中-5≤x1,x2,x3,x4≤5，用遗传算法求解y的最大值。实验步骤：实验数据：x11w14w154w46xw24226w255w56w34x3w335实验数据处理：1.前馈型神经网络matlab代码：midweight=[0.2,-0.3;0.4,0.1;-0.5,0.2];

6、outweight=[-0.3;-0.2];midthreshold=[-0.4,0.2];outthreshold=0.1;miderror=[0.0,0.0];outerror=0;moutput=[0.0,0.0];ooutput=0;numloop=0;innode=3;midnode=2;outnode=1;sum=0;num=2000;l=0.9;limit=0.000001;error=limit+1;numsample=1;x=[1.0,0.0,1.0];y=1;ploterr=0:0.0

7、1:1;plotout=0:0.01:1;m=0;n=0;p=0;fornumloop=1:numiferror

8、+(moutput(n)*outweight(n,p));endsum=sum+outthreshold(p);ooutput=(1/(1+exp(-sum)));endforn=1:outnodeouterror=ooutput(n)*(1-ooutput(n))*(y(m,n)-ooutput(n));endforn=1:outnodeerror=ooutput(n)*(y(m,n)-ooutput(n))*(y(m,n)