人工神经网络第二章回归神经网络.ppt

*神经网络原理与应用*回归神经网络(works)回归网络是一种人们越来越感兴趣的网络。回归网络中包含一定的动态环节作为信息存储,在系统建模时可以充分利用这一特性,减小网络的规模。回归网络包括Elman网络和Hopfield网络,其中Elman网络是一种两层的前馈网络本节内主要介绍Elman网络,以及一种隐含层神经元具有自反馈的对角回归神经网络(DRNN)。*神经网络原理与应用**神经网络原理与应用*Elman网络结构特点Elman网络通常是一个两层网络,其隐含层神经元到输入层神经元之间还存在一个反馈连接通道,这种反馈连接在神经网络术语中称为回归(recurrent)连接。这种回归连接使得Elman网络具有检测和产生时变模式的能力。*神经网络原理与应用*.=newelm([01],[51],{‘tansig’,‘logsig’});Elman网络的仿真采用的仍然是sim函数,其调用方式与一般前馈网络大致相同,但是,Elman网络要求输入的形式为元矩阵形式的向量模式,这可以通过调用函数con2seq完成。在进行仿真以后,网络输出为元矩阵形式的向量模式,此时,可以调用函数seq2con转换成普通向量模式。*神经网络原理与应用*例Elman网络的创建和训练P=round(rand(1,8))T=[0(P(1:end-1)+P(2:end)==2)]net=newelm([01],[51],{'tansig','logsig'});net=,Pseq,Tseq);Y=,Pseq);z=seq2con(Y);z{1,1}diff1=T-z{1,1}*神经网络原理与应用*运行结果T=00001000z{1,1}==Columns1through5-------*神经网络原理与应用*例2Elman网络应用-波形幅值检测原始的波形由幅值分别为1和2的,长度为20的正弦波组成,相应的目标为幅值从1到2的方波,上述两个波形再经过组合扩展形成长度为40的输入向量和目标向量,用于训练Elman网络。Elman网络的结构为1-10-1*神经网络原理与应用*Matlab源程序%elman神经网络用于波形幅值检测p1=sin(1:20);p2=sin(1:20)*2;t1=ones(1,20);t2=ones(1,20)*2;p=[p1p2p1p2];t=[t1t2t1t2];Pseq=con2seq(p);Tseq=con2seq(t);R=1;%1inputelementS2=1;%1layer2outputneuronS1=10;%=newelm([-22],[S1S2],{'tansig','purelin'},'traingdx');[net,tr]=,Pseq,Tseq);a=,Pseq);*神经网络原理与应用*运行结果*神经网络原理与应用*测试网络测试网络的波形检测能力,,按以上方式输入到网络