MATLAB神经网络工具箱1.ppt

该【MATLAB神经网络工具箱1 】是由【小可爱】上传分享，文档一共【19】页，该文档可以免费在线阅读，需要了解更多关于【MATLAB神经网络工具箱1 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。MATLAB神经网络工具箱1BP网络的初始化newff函数在建立网络对象的同时,自动调用初始化函数,,(backpropagation).反向传播算法分二步进行,即正向传播和反向传播。,通过所有的隐层之后,则传向输出层;在逐层处理的过程中,每一层神经元的状态只对下一层神经元的状态产生影响。在输出层把现行输出和期望输出进行比较,如果现行输出不等于期望输出,则进入反向传播过程。,把误差信号按原来正向传播的通路反向传回,并对每个隐层的各个神经元的权系数进行修改,以望误差信号趋向最小。BP算法实质是求取误差函数的最小值问题。这种算法采用非线性规划中的最速下降方法,按误差函数的负梯度方向修改权系数。BP网络的快速学****算法与选择学****算法适用问题类型收敛性能占用存储空间其他特点trainlm函数拟合收敛快,误差小大性能随网络规模增大而变差trainrp模式分类收敛最快较小性能随网络训练误差减小而变差trainscg函数拟合模式分类收敛较快性能稳定中等尤其适用于网络规模较大的情况trainbfg函数拟合收敛较快较大计算量岁网络规模的增大呈几何增长traingdx模式分类收敛较慢较小适用于提前停止的方法MATLAB神经网络工具箱对常规BP算法进行改进,提供了一系列快速算法,以满足不同问题的需要BP网络的训练利用已知的”输入—目标”样本向量数据对网络进行训练,,=,P,T)BP网络的设计(1)网络层数已经证明,,,节点数为BP网络的设计(2)隐层的节点数隐层的节点数与求解问题的要求,,输出层采用S型函数或线性函数训练方法及其参数选择针对不同应用,,为输入节点数,为1~%定义训练样本p=[-1-131;-115-3];t=[-1-111];%=newff(minmax(p),[31],{'tansig','purelin'},'traingdm');%.=1000;=;=50;=;=;%动量因子,缺省为0.=,p,t);%训练网络A=,p)%网络仿真目标线训练误差变化曲线训练误差变化曲线(每次不同)Stet4:网络测试对于训练好的网络进行仿真并绘制网络输出曲线,与原始非线性函数曲线以及未训练网络的输出结果曲线相比较y2=,p);figure;plot(p,t,'-',p,y1,'--',p,y2,'-.')title('训练后网络的输出结果');xlabel('时间');ylabel('仿真输出');从图中可以看出,得到的曲线和原始的非线性函数曲线很接近。这说明经过训练后,BP网络对非线性函数的逼近效果相当好。