第9章 神经网络系统设计与软件实现.ppt

《第9章 神经网络系统设计与软件实现.ppt》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、第九章神经网络系统设计与软件实现9.1神经网络系统总体设计9.2神经网络软件实现9.3神经网络高级开发环境9.1神经网络系统总体设计设计中考虑的几个问题：1、分析哪类问题可以使用NN；2、NN的整体过程设计，即画出系统总图；3、系统需求分析；4、系统设计的各项性能指标；5、预处理问题。9.1.1NN的适应范围NN并不是万能的！适合的情况：关于问题的知识模糊、不确定，缺少清晰的数学解析方法，具有足够的数据作为样本训练和测试。当确定使用NN后，需要确定使用哪种NN，若有部分答案则用BP合适，若无则用自组织竞争试试，当然也可

2、以从网络结构方面试用。9.1.2NN设计过程与需求分析1、需求分析2、数据准备3、数据预处理4、软件实现与调试需求描述可执行代码选择训练测试数据抽取数据特征与预处理智能控制器并入系统训练与测试智能控制器控制方案描述?9.1.3神经网络性能评价一、百分比准确率指根据分类标准作出正确判断的百分比。有两个因素影响：1、分类标准本身的问题2、样本集的代表性因此需要用户的积极参与，统一标准问题，样本具有广泛的代表性。二、均方误差即总误差除以样本数。总误差：有时也采用平均均方差误差，它是均方误差除以节点数。三、归一化误差Pinda

3、提出一种与结构无关的评价标准，误差取值在0—1之间：其中，为所有样本在第j个输出节点期望输出的平均值，是第j个输出节点的期望输出。P为样本总数，m为输出节点数，则归一化误差为：归一化误差最坏是En=1，样本学习结束时应该En趋于0，收敛速度取决于网络结构。四、接收操作特征曲线(ROC)用来反映某个输出节点在作出一个判断时的正确性。以判断的阳性和阴性表示归于某类的肯定与否定，一个给定输出神经元所表示的判断存在4种可能：利用上述四种可能的两种比例可以画出ROC曲线：第一种比例是TP/(TP+FN),称作真阳性率；第二种比例

4、为FP/(FP+TN),称作假阳性率；ROC曲线由真阳性率轴和假阳性率轴上的点连接而成。如图所示。系统判断标准判断阳性阴性阳性TPFP阴性FNTN五、灵敏度、精度和特异度灵敏度；实际存在的事务能被检出的可能性；精度：系统作出正确阳性判断的数目除以所有阳性判读的总数；特异度：一件实际不存在的事物被检出为不存在的可能性，定义为真阴性率：TN/(FP+TN)假阳性率真阳性率0.510.51NNT2NNT19.1.4输入数据的预处理大多数神经网络需要归一化输入，或者输入向量长度为一常数，前者用于反向传播网络，后者用于自组织网络

5、。但要根据具体问题具体分析。9.2NN的软件实现9.2.1软件运行的若干问题1、输入输出2、数据归一化3、连接权4、特征参数5、运行情况监控9.2.2软件实现的若干问题1、解译与编译2、代码优化3、内存限制4、浮点运算5、网络调试9.3神经网络的高级开发环境三种开发模式：1、人工编码2、算法库3、生成网络模型9.3.1神经网络开发环境及其特征理想的开发环境应使用简单、功能强大、有效、可扩展等。9.3.2MATLAB神经网络工具箱一、概述MatritLaboratory矩阵实验室有30多个工具箱，可分为2类：领域型和功

6、能型。NN属于领域型。以NeuralNetworkToolbox2.0为例，网络模型有：1、感知器2、线性网络3、BP4、径向基5、自组织6、回归二、常用函数分为10类：1、网络设计类2、转移函数类3、学习规则类4、初始化类5、网络训练类6、分析类7、邻域函数类8、矩阵类9、绘图类10、仿真类9.3.3其他NN开发环境简介一、Plexi开发环境内置Lisp机，功能强大。二、Neuroshell开发环境内置反向传播模型软件包。三、NeuralworksProfessional开发环境比较昂贵。四、NETSETII开发环境

7、可以从已封装的19个网络中选择实现。五、N-NET210开发环境只有指导和无指导学习两种算法，不支持图形环境。六、CaseNet开发环境由网络定义器、分析器、编码生成器、编译器四个主要工具组成。--完--