《神经网络实用教程》配套实验教程.doc

太普数据挖掘套件： 神经网络实用教程实验一人工神经网络概论一、实验目的1、了解生物神经网络的组成及功能；2、熟悉人工神经网络的历史发展过程；3、熟悉人工神经网络的组成、工作原理和分类；4、了解人工神经网络的应用环境。二、实验内容1、在网络上查找生物神经网络的组成及功能的相关资料。2、在网络上查找人工神经网络的发展过程及发展趋势。3、列出人工神经网络的种类，每一种人工神经网络给出一个实际的应用例子。4、浏览神经网络学习网站（1）网站 /bbs/index.php中的神经网络版块和编程技术版块 /jiangkeke /blog/blog.php?uid=7 中的神经网络相关版块（2）书籍教程 神经网络入门教程： /bbs/read.php?tid=10614 神经网络参考书籍： /blog/article.php?type=blog&itemid=23三、思考与实验总结1、人工神经网络存在哪些缺点？如何解决？2、在什么情况下使用神经网络？神经网络实用教程实验二MATLAB快速入门 一、 实验目的1、掌握MATLAB工具的安装方法；2、掌握神经网络设计中常用的MATLAB操作技能；3、熟悉神经网络设计中常用MATLAB的绘图功能与使用技巧；4、初步了解MATLAB的程序设计方法。二、 实验内容：1、 在MATLAB中求解下列式子计算所得到的结果： （109*891+235-0.5）/16+1822、给定矩阵A = 11 32 23 4; 5 16 7 8; 9 10 25 12, 设B = A(2,1:3)；在MATLAB中求解下列矩阵运算后的结果： C = A B D = A; 4 3 2 1 C(:, 2) = C(1 3, :) = 3、使用MATLAB中的条件语句和循环语句，编程实现下面的功能： 从1累加到20，即：1+2+3+4+20，当累加和超过30时，跳出FOR循环，在命令窗口中输出此时的累加次数和累加值。4、神经网络常用的激活函数有S型、对数S型、线性型和硬限幅等，在MATLAB中有tansig()、logsig()、purelin()和hardlim()四个函数对应，请使用MATLAB编程，按下画所示图形，画出四个激活函数的图形。三、实验分析与总结 实验中产生了什么问题？是如何解决的？本次实验的收获。 神经网络实用教程实验三单层感知器的构建与使用 一、 实验目的1、熟悉MATLAB中神经网络工具箱的使用方法；2、掌握单层感知器的特性和应用范围；3、熟悉单层感知器的权值调整过程和计算方法3、掌握使用单层感知器解决实际问题的方法。二、 实验内容：1、已经对逻辑与的单层感知器实现的权值调整计算过程进行了讲解，请使用MATLAB语言编写程序，实现单层感知器对逻辑与进行分类。2、现需要对一组数据进行分类,设样本数据的输入数据为P=-0.4 -0.5 0.6 -0.1; 0.9 0 0.1 0.5,其期望值为T=1 1 0 1,请构建一个单层感知器对数据进行分类,并用测试数据Q=0.6 0.9 -0.1 0.7;-0.1 -0.5 0.5 -0.3对构建好的神经网络进行测试,并评价其性能. 3、有下面一组样本数据：输入数据为P=0 0 0 1;1 0 1 1,目标值为0 1 1 0，能否使用单层感知器对其进行正确分类，请编写MATLAB程序验证，并对结果进行分析？注：实验报告中,在实验内容这部分要画出你的神经网络的结构、写上MATLAB源代码及运行结果、并大致画出实验中的输出图形（输出图形也可以打印后再粘贴到实验本上）。三、实验分析与总结 实验中产生了什么问题？是如何解决的？本次实验的收获。神经网络实用教程实验四线性神经网络的构建与使用一、 实验目的1、熟悉MATLAB中神经网络工具箱的使用方法；2、掌握线性神经网络的特性和应用范围；3、掌握使用线性神经网络解决实际问题的方法；二、 实验内容：求解函数逼近问题：1、有21组单输入矢量和相对应的目标矢量，试设计一个线性神经网络来拟合这对数组的函数关系，并使用指定的测试数据测试网络的性能。输入与目标数据如下：输入数据：P=-1:0.1:1期望目标数据：T=-0.96、0.577、 -0.0729、 0.377、0.641、0.66、0.461、0.1336 、0.201、-0.434、-0.5、-0.393、-0.1647、0.0988、0.3072、 0.396、0.3449、0.1816、-0.0312、-0.2183、-0.3201（注意：为了清楚的表示数据，我在数据间加了逗号，同学们在MATLAB中使用进请将逗号改为空格）2、对1中建立的线性神经网络进行测试，测试数据为：P2=-1:0.025:1并对测试结果进行分析，注：实验报告中,在实验内容这部分要画出你的神经网络的结构、写上MATLAB源代码及运行结果、并大致画出实验中的输出图形（输出图形也可以打印后再粘贴到实验本上）。三、实验分析总结 实验中产生了什么问题？是如何解决的？还存在什么有待进一步解决的问题？本次实验的收获。四、思考题1、一线性神经网络的输入为P=1.1 -1.3，目标为T=0.6 1;设权值和偏置的初始值为0，学习速率为0.01，请计算出此网络前二次的权值和偏置的值？(提示：使用一个神经元和斜率为45度的直线作为激活函数)2、用MATLAB编程实现第1题，要求输出每一次迭代后的权值和偏置。神经网络实用教程实验五BP神经网络的构建与使用（一）一、 实验目的1、熟悉MATLAB中神经网络工具箱的使用方法；2、掌握BP神经网络的特性和应用范围；3、掌握使用BP神经网络解决实际问题的方法；二、 实验内容：在第四次实验中，试图用线性神经网络求解函数逼近问题，从实验的结果可以看到未能达到预期的效果，下面使用BP神经网络来求解函数逼近问题：1、 有21组单输入矢量和相对应的目标矢量，参考书神经网络实验教程P36的示例程序，试设计一个BP神经网络来实现这对数组的函数关系。BP神经网络的部分参数输入与目标数据如下：BP神经网络参数：隐含层神经元个数为5个，设置BP神经网络的最大训练次数为1000。提示：正确选择输入层到隐含层、隐含层到输出层的激活函数，tansig的定义域为负无穷到正无穷，值域为-1到1，logsig的定义域为负无穷到正无穷，值域为0到1；为观察训练后神经网络的效果，可以利用sim()函数（参见书P22）和plot()函数（参见书P15）在同坐标中画出输入数据和期望目标数据、测试数据和测试数据输出的图形输入数据：P=-1:0.1:1期望目标数据：T=-0.96、0.577、 -0.0729、 0.377、0.641、0.66、0.461、0.1336 、0.201、-0.434、-0.5、-0.393、-0.1647、0.0988、0.3072、 0.396、0.3449、0.1816、-0.0312、-0.2183、-0.3201（注意：为了清楚的表示数据，我在数据间加了逗号，同学们在MATLAB中使用进请将逗号改为空格）2、对1中建立的BP神经网络进行测试，测试数据为：P2=-1:0.025:1 并对测试结果进行分析，3、当最大训练次数设置为3000、5000、10000时，分析网络的输出效果。注：实验报告中,在实验内容这部分要画出你的神经网络的结构、写上MATLAB源代码及运行结果、并大致画出实验中的输出图形。三、实验总结 实验中产生了什么问题？是如何解决的？还存在什么有待进一步解决的问题？本次实验的收获。实验报告请按上面格式书写。神经网络实用教程实验六 BP神经网络的构建与使用（二）一、实验目的1、熟悉MATLAB中神经网络工具箱的使用方法；2、掌握BP神经网络的特性和应用范围；3、掌握使用BP神经网络解决实际问题的方法；二、实验内容： 本次实验使用BP神经网络来逼近一个较复杂的正弦函数，并观察BP神经网络的各个参数对BP神经网络的影响： 1、需要对正弦函数进行逼近，即使用一个或多个正弦函数作为输入样本，经训练后能对类似的所有正弦函数画出其函数所对应的图形。参考书神经网络实验教程P36的示例程序和实验四，试设计一个BP神经网络来实现本实验的要求。 BP神经网络的部分初始参数输入与目标数据如下： BP神经网络参数：隐含层神经元个数为5个，设置BP神经网络的最大训练次数为1000。 提示：正确选择输入层到隐含层、隐含层到输出层的激活函数，tansig的定义域为负无穷到正无穷，值域为-1到1，logsig的定义域为负无穷到正无穷，值域为0到1；为观察训练后BP神经网络的效果，可以利用sim()函数（参见书P22）和plot()函数（参见书P15）在同一坐标系中画出输入样本数据和期望目标数据、测试数据和仿真输出的图形，通过图形就可以比较BP神经网络的性能。 输入样本数据：P = -2:0.1:2; 期望目标数据：T =sin(2*P); 测试数据：P = -2:0.05:2; 2、在初始参数下，观测BP神经网络的训练过程及使用测试数据进行仿真时的输出，然后将最大训练次数设置为3000、5000、10000等等，分析网络的输出效果，以便确定合适的训练次数。 3、在保持其它参数不变的情况下，改变隐含层神经网络的个数，例如取2个、8个、10个、20个等等，观测BP神经网络的训练过程和输出，以便最终确定隐含层神经网络的个数。 4、在BP人工神经网络已经训练好的情况下，将输入的正弦函数改为sin(3*P) 、sin(4*P) 、sin(8*P)时，请测试训练好的BP人工神经网络能否正确逼近它们。 注：实验报告中,在实验内容这部分要画出你的神经网络的结构、写上MATLAB源代码及运行结果、并大致画出（或打印出）实验中的图形。三、思考与实验总结1、本次实验中构建的BP神经网络的合适的训练数据大致为多少（可以给出一个范围）？并说明理由。 2、本本次实验中构建的BP神经网络的合适的隐含层神经元的个数为多少（可以给出一个范围）？并说明理由。 3、实验中还产生了什么问题？是如何解决的？还存在什么有待进一步解决的问题？本次实验的收获。神经网络实用教程实验七 RBF神经网络模型与实现一、 实验目的1、熟悉MATLAB中神经网络工具箱的使用方法；2、掌握RBF神经网络的特性和应用范围；3、掌握使用BRF神经网络解决实际问题的方法；4、比较RBFNN与BPNN区别与联系。二、 实验内容：本次实验将建立一个RBFNN对函数进行逼近，然后改变其网络参数，并就改变前后网络的输出结果进行测试分析。1、对函数进行逼近。参考书神经网络实验教程P41的示例程序和实验六，按下面给出的网络参数，试设计一个RBF神经网络来实现本实验的要求。RBF神经网络参数：隐含层神经元个数最大值为21，输入样本取值范围为0，4，样本数为21个，每个样本间隔0.2，扩展参数（分布密度）为0.2，测试数据取值范围为0，4，测试数据个数为401个，即每个 样本的间隔为0.01。为观察训练后RBF神经网络的效果，可以利用sim()函数（参见书P22）和plot()函数（参见书P15）在同一坐标系中画出输入样本数据和期望目标数据、测试数据和仿真输出的图形，通过图形就可以分析RBF神经网络的性能。2、在初始参数下，观测RBF神经网络的训练过程及使用测试数据进行仿真时的输出，然后将扩展参数（分布密度）设置为0.1、0.5、0.8等等，观测并分析网络的输出结果。3、在保持其它参数不变的情况下，改变隐含层神经元的个数的最大值，例如取1个、5个、10个、30个等等，观测并分析RBF神经网络的训练过程和输出。注：实验报告中,在实验内容这部分要画出你的神经网络的结构、写上MATLAB源代码及运行结果、并大致画出或打印出实验中的输出图形。三、思考与实验总结 1、本次实验中构建的RBF神经网络合适的隐含层神经元的个数为多少（可以给出一个范围）？并说明理由。2、实验中构建的RBF神经网络合适的扩展参数范围为多少？并说明理由。3、实验中还产生了什么问题？是如何解决的？还存在什么有待进一步解决的问题？本次实验的收获。实验报告请按上面格式书写。神经网络实用教程实验八 SOM神经网络模型与实现一、 实验目的1、熟悉MATLAB中神经网络工具箱的使用方法；2、掌握SOM神经网络的特性和应用范围；3、掌握使用SOM神经网络解决实际问题的方法；二、 实验内容：本次实验将建立一个SOM神经网络，对给定的数据完成聚类，对网络的输出结果进行测试分析。1、已知有一数据集为P=-6 -4 -2 -4 -6 0 -4 -6 4 -6; 0 2 -2 2 0 -2 2 0 -2 0。参考书神经网络实验教程P46的示例程序，按下面给出的网络参数，试设计一个SOM神经网络对所给的数据集进行聚类，分析数据集的数据能分成几类。SOM神经网络参数：竞争层的结构为3 4，测试数据为-6 0。2、在初始参数下，观测SOM神经网络的训练过程及使用测试数据进行仿真时的输出。为观察训练后SOM神经网络的聚类效果，可以利用vec2ind()函数将仿真的输出数据变换成下标向量，并可以利用plot()函数（参见书P15）在同一坐标系中画出输入数据和仿真结果、测试数据和仿真输出的图形，通过图形就可以比较直观看出SOM神经网络的聚类结果。3、在保持其它参数不变的情况下，改变竞争层的网络结构，例如取3 5、4 5、5 8等等，观测并分析SOM神经网络的训练过程和输出。注：实验报告中,在实验内容这部分要画出你的神经网络的结构、写上MATLAB源代码及运行结果、并大致画出实验中的输出图形。三、思考与实验总结 1、本次实验中构建的SOM神经网络合适的竞争层网络结构是什么？并说明理由。2、实验中构建的SOM神经网络每一次运行的结果是不是都一样？为什么？。3、实验中还产生了什么问题？是如何解决的？还存在什么有待进一步解决的问题？本次实验的收获。神经网络实用教程实验九 Elman神经网络模型与实现一、 实验目的1、熟悉MATLAB中神经网络工具箱的使用方法；2、掌握Elman神经网络的特性和应用范围；3、掌握使用Elman神经网络解决实际问题的方法；4、比较Elman与BP神经网络的的处理性能。二、 实验内容：本次实验将建立一个Elman神经网络，通过给定的数据对其趋势进行预测，然后用BP网络实现同样预测过程，并对两者的预测效果进行比较分析。1、已知数据集参见书神经网络实验教程P55表2-10中所示数据，按下面给出的网络参数，试设计一个Elman神经网络，对数据集进行预测。Elman 神经网络参数：隐含层的神经元个数为18个，其它数据与书中例2-7一致。2、在初始参数下，观测Elman神经网络的训练过程及使用测试数据进行仿真时的输出。3、在保持其它参数不变的情况下，改变隐含层的神经元个数，例如取8、40等等，观测并分析神经元个数神经网络的训练过程和输出。4、用BP网络实现同样预测过程，并对两者的预测效果进行比较分析。注：实验报告中请写上MATLAB源代码及运行结果、并画出实验中所有输出图形。三、思考与实验总结 1、本次实验中构建的Elman神经网络的预测结果与BP神经网络相比，谁的效果好？为什么？。2、通过实验，针对本次预测数据，Elman神经网络隐含层的神经元的个数在哪个范围预测效果好？3、实验中还产生了什么问题？是如何解决的？还存在什么有待进一步解决的问题？再次提醒：实验报告请按上面格式书写。神经网络实用教程实验十 Hopfield神经网络模型与实现一、 实验目的1、熟悉MATLAB中神经网络工具箱的使用方法；2、掌握Hopfield神经网络的特性和应用范围；3、掌握使用Hopfield神经网络解决实际问题的方法；4、比较Hopfield与其它神经网络的关系。 二、 实验内容： 本次实验将建立一个Hopfield神经网络，对印刷体数字进行识别。1、参考书神经网络实验教程P64例2-8的程序和印刷体数字的设置方法，设计一个Hopfield神经网络，实现对受污染的印刷体数字8，9的识别。2、在1的基础上，改变印刷体数字8，9的受污染程序，观测实验结果。3、如设定受污染的点数和构成印刷体数字的总点数的比值为污染度量值，观测到污染度为多大时，网络不能正确识别受污染的印刷体数字。注：实验报告中请写上MATLAB源代码及运行结果、并画出实验中所有输出图形。三、思考与实验总结1、本次实验中构建的Hopfield神经网络与以前学习过的神经网络相比，有什么特点？2、你能否用BP网络完成对印刷体数字的识别？神经网络实用教程实验十一 BP神经网络优化算法对比一、 实验目的1、熟悉MATLAB中有关BP优化算法函数的使用方法；2、了解BP神经网络各种优化算法的原理； 3、掌握BP神经网络各种优化算法的特点4、掌握使用BP神经网络各种优化算法解决实际问题的方法。二、 实验内容：本次实验将建立一个BP神经网络对正弦函数y=e-xsin(x