BP神经网络作业

1、人工神经网络1概述人工神经网络是近年来发展起来的模拟人脑生物过程 的人工智能技术。它由大量的、同时也是简单的神经元广泛 互连形成复杂的非线性系统，己经在信息处理模式识别、智 能控制及系统建模等领域得到越来越广泛的应用。尤其是基 于误差反向传播算法的多层前馈网络，可以以任意精度逼近 任意的连续函数，所以广泛应用于非线性建模、函数逼近、 模式分类等方面。虽然BP神经网络是目前应用最广泛、研 究较多的一种网络。但是关于它的开发设计目前为止还没有 一套完整的理论。2BP神经网络设计步骤BP神经网络的设计主要包括输入层，输出层，及各层之间 的传输函数几个方面。2.1网络层数大多数通用的神经网络都预先预订

2、了网络的层数，而 BP网络可以包含不同的隐层。但理论上己经证明，在不限 制隐含节点数的情况下，两层的B0网络可以实现任意非线 性映射。在模式样本相对较少的情况下，较少的隐层节点， 可以实现模式样本空间的超平面划分，此时，选择两层BO 网络就可以了；当模式样本数很多时，减小网络规模，增加 一个隐层是有必要的，但是BP网络隐含层数一般不超过两 层。2.2输入层得节点数输入层起起缓冲储存器的作用，它接受外部的输入 数据，因此其节点数取决于输入矢量的维数。当把大小的图 像的像素作为输入数据时，输入节点数将为256个。一般来 说，网络的输入个数应等于应用问题的输入数，MATLAB的 BP网络的建立是通过

3、函数newff实现的。2.3网络数据的预处理为使网络训练更加有效，对神经网络的输入、输出 数据进行一定的预处理可以加快网络的训练速度。Matlab 提供的预处理方法有归一法、标准化处理和主成分分析。常 采用的是归一法处理，即将输入、输岀数据映射到卜1,1范围 训练结束后再反映射到原数据范围。2.4输出层得节点数输出层节点数取决于两个方面，输出数据类型和表 示该类型所需要的数据大小。当BP网络用于模式分类时， 以二进制形式来表示不同模式输出结果，输出层得节点数可 以根据待分类模式数确定。2.5隐层得节点数一个具有无限隐层节点的两层BP网络可以实现任 意从输入到输出模式的映射。但对于有限个输入模式

4、到输出 模式的映射，并不需要无限个隐层节点，这就涉及到如何选 择隐层节点数的问题，而这一问题的复杂性，使得至今为止, 尚未找到一个很好的解析式，隐层节点数于求解问题的要 求、输入输出单元数多少都有直接的关系。另外，隐层节点 数太多会导致学习时间过长；而隐层节点数太少，容错行差, 识别未经学习的能力样本低，所以必须综合多方面的因素进 行设计。 根据经验，可以参考以下公式进行设计n= lni + no + Q 或者 Q = 改变11,用同一样本集训练，从中确定网络误差最小 时对应的隐层节点数。2.6传输函数BP网络中传输函数常采用S （sigmoid）型函数/（兀）=1 + e在某些特定情况下，还

5、可能采用纯线性函数。如果 BP函数最后一层是SIGMOID函数，那么整个网络的输出就 限制在一个较小的范围内（01之间的连续量）；如果BP网 络最后一层是Pipeline函数，那么整个网路的输入可以取任 意值。2.7初始权值的设计网络权值的初始化决定了网络的训练从误差曲n 的哪点开始，因此初始化方法对网络的训练时间至关重要。通常使用以下两种方法：(1) 取足够小的初始权值(2) 使初始值为+1和的权值数相等3 Matlab程序设计程序见k=l;p=-l：0.05:8;t=l+sin(k*pi/4*p);plot(p,t/J)；title。要逼近的非线性函数J;xlabelf 时间')；ylabelC非线性函数J;n=3;net=newffi(niiiunax(p),n, 1 , tansigTpureliiT ,'trainliiT); yl=sim(net,p);figure;plot(p,t,p,yl, 丫)htleC未训练网络的输出结果J;xlabel(* 时间 J;ylabelC仿真输出原函数）;net.trainPaiain. epochs=50;net. trainParam. goal=