课件：matlab神经网络工具箱简介和函数及示例.ppt

人 工 智 能,光电学院 常敏 E-mail： ,第十一章 神经网络工具箱函数,MATLAB的神经网络工具箱简介,构造典型神经网络的激活函数，使设计者对所选网络输出的计算变成对激活函数的调用。 根据各种典型的修正网络权值的规则，再加上网络的训练过程，利用matlab编写各种网络设计和训练的子程序。 设计人员可以根据自己的需要去调用工具箱中有关的设计和训练程序，将自己从繁琐的编程中解脱出来，提高工作效率。,神经网络工具箱函数,神经网络函数 权值函数 网络的输入函数 传递函数 初始化函数 性能函数 学习函数 自适应函数 训练函数,神经网络函数newff,功能： Create a feed-forward backpropagation network,格式： net = newff(PR,S1 S2.SNl,TF1.TFNl,BTF,BLF,PF),例子1: help newff,以一个单隐层的BP网络设计为例，介绍利用神经网络工具箱进行BP网络设计及分析的过程,1. 问题描述,P=-1:0.1:1; T=-0.9602 -0.577 -0.0729 0.3771 0.6405 0.6600 0.4609 0.1336 -0.2013 -0.4344 -0.5000 -0.3930 -0.1647 0.0988 0.3072 0.3960 0.3449 0.1816 -0.0312 -0.2189 -0.3201;,通过对函数进行采样得到了网络的输入变量P和目标变量T：,例子2:设计一个隐含层神经元数目神经元个数,2. 网络的设计,网络的输入层和输出层的神经元个数均为1，网络的隐含神经元个数应该在38之间。,网络设计及运行的代码：,s=3:8; res=1:6; for i=1:6; net=newff(minmax(P),s(i) 1,tansig logsig,traingdx); net.trainParam.epochs=2000; net.trainParam.goal=0.001; net=train(net,P,T) y=sim(net,P) error=y-T; res(i)=norm(error); end,代码运行结果：,网络训练误差,结论：隐含层节点设为8,BP网络训练步骤,步骤1: 初始化 步骤2:计算网络各层输出矢量 步骤3:计算网络各层反向传播的误差变化,并计算各 层权值的修正值及修正值 步骤4:再次计算权值修正后的误差 平方和 步骤5:检查误差 平方和是否小于 误差期望值,若是,停止训练,否则继续.,目前，神经网络工具箱中提供的神经网络模型主要应用于：,函数逼近和模型拟合 信息处理和预测 神经网络控制 故障诊断,神经网络实现的具体操作过程：,确定信息表达方式； 网络模型的确定； 网络参数的选择； 训练模式的确定； 网络测试,确定信息表达方式：,将领域问题抽象为适合于网络求解所能接受的某种数据形式。 问题形式的种类：,数据样本已知； 数据样本之间相互关系不明确； 输入/输出模式为连续的或者离散的； 输入数据按照模式进行分类，模式可能会具有平移、旋转或者伸缩等变化形式； 数据样本的预处理； 将数据样本分为训练样本和测试样本,网络模型的确定,主要是根据问题的实际情况，选择模型的类型、结构等。另外，还可以在典型网络模型的基础上，结合问题的具体情况，对原网络进行变形、扩充等，同时还可以采用多种网络模型的组合形式。,网络参数的选择,确定网络的输入输出神经元的数目，如果是多层网络，还需要进一步确定隐含层神经元的个数。,训练模式的确定,包括选择合理的测试样本，对网络进行测试、或者将网络应用于实际问题，检验网络性能。,网络测试,选择合理的测试样本，对网络进行测试，或者将网络应用于实际问题，检验网络性能。,MATLAB的神经网络工具箱函数,通用函数,BP网络的神经网络工具箱函数,一、BP网络创建函数,1）newcf 用于创建级联前向BP网络,调用格式：,net=newcf,net=newcf（PR,S1 S2.SN,TF1 TF2.TFN,BTF,BLF,PF）,PR:由每组输入（共有R组输入）元素的最大值和最小值组成的R*2维的矩阵,Si：第i层的长度，共计N层； TFi：第i层的传递函数，默认为“tansig” BTF：BP网络的训练函数，默认为“trainlm” BLF：权值和阈值的BP学习算法，默认为learngdm PF：网络的性能函数，默认为“mse”,参数TFi可以采用任意的可微传递函数，比如transig，logsig和purelin等； 训练函数可以是任意的BP训练函数，如trainm，trainbfg，trainrp和traingd等。BTF默认采用trainlm是因为函数的速度很快，但该函数的一个重要缺陷是运行过程会消耗大量的内存资源。如果计算机内存不够大，不建议用trainlm，而建议采用训练函数trainbfg或trainrp。虽然这两个函数的运行速度比较慢，但它们的共同特点是内存占用量小，不至于出现训练过程死机的情况。,说明：,二、神经元上的传递函数,传递函数是BP网络的重要组成部分，必须是连续可微的，BP网络常采用S型的对数或正切函数和线性函数。,Logsig 传递函数为S型的对数函数。 调用格式为： A=logsig（N） N：Q个S维的输入列向量； A：函数返回值，位于区间(0,1) 中,info=logsig（code）,依据code值的不同返回不同的信息，包括： deriv返回微分函数的名称； name返回函数全程； output返回输出值域； active返回有效的输入区间,例如：n=-10：0.1: 10; a=logsig(n);plot(n,a) matlab按照来计算对数传递函数的值：n=2/(1+exp(-2n) 函数logsig可将神经元的输入（范围为整个实数集）映射到区间（0，1）中。,learngd 该函数为梯度下降权值/阈值学习函数，通过神经元的输入和误差，以及权值和阈值的学习速率，来计算权值或阈值的变化率。,三、BP网络学习函数,dW,ls=learngd(W,P,Z,N,A,T,E,gW,gA,D,LP,LS),调用格式;,后面内容直接删除就行 资料可以编辑修改使用 资料可以编辑修改使用 资料仅供参考，实际情况实际分析,主要经营：课件设计，文档制作，网络软件设计、图文设计制作、发布广告等 秉着以优质的服务对待每一位客户，做到让客户满意！ 致力于数据挖掘，合同简历、论文写作、PPT设计、计划书、策划案、学习课件、各类模板等方方面面，打造全网一