神经网络工具箱的使用 - 副本.ppt

《神经网络工具箱的使用 - 副本.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、神经网络工具箱的使用一、NNToolbox简介目前最新的神经网络工具箱是NNToolboxV4.0版本，它几乎完整地概括了现在的神经网络的新成果，所设计的网络模型有：（1）感知器;（2）线性网络；（3）BP网络；（4）径向基网络；（5）自组织网络；（6）反馈网络；对于各种网络模型，神经网络工具箱集成了多种学习算法，为用户提供了极大的方便。最关键的是，丰富的函数可以节省的大量的编程时间。此外，神经网络工具箱中还给出了大量的示例程序，为用户轻松的使用工具箱提供生动的实用范例二、BP网络的设计net=newff(PR,[S1

2、S2…SN],{TF1TF2…TFN},BTF,BLF,PF)PR,R个输入向量的元素最小值和最大值构成的R*2矩阵Si第i层的大小，共有N层TFi第i层的传递函数，可以是tansig(),logsig(),purelin()BTF训练函数，trainlm,trainbfg,trainrp,traingd等BLF权值/阀值学习函数，learngd,learngdmPF性能函数，mse,msereg例题应用两层BP网络来完成函数逼近任务，隐层神经元数取十个：newff()创建网络，sim()对网络进行仿真程序cleara

3、ll;clcp=-1:.1:1;t=[-.9602-.5770-.0729.3771.6405.6600.4609....1336-0.2013-.4344-.5000-.3930-.1647.0988....3072.3960.3449.1816-.0312-.2189-.3201];net=newff([-11],[101],{'tansig''purelin'},'trainlm');y=sim(net,p)plot(p,t,‘o’,p,y,‘x’),title(‘训练1次');net.trainParam.ep

4、ochs=50;net=train(net,p,t);y=sim(net,p)plot(p,t,'o',p,y,'*-'),title('训练50次')三、使用nntoolGUI求解建立神经网络输入数据对网络进行初始化、训练和模拟输出结果选用乙醇-环己烷-水体系在35℃、50℃、65℃的汽液平衡数据作为研究对象,实测数据见文献选择温度、液相组成X1和X2三个参数作为输入，汽相组成Y1、Y2和Y3作为输出，隐层单元数为9