MATLAB神经网络应用设计解读

1、1会计学MATLAB神经网络应用设计解读神经网络应用设计解读Lb12121 ,02,0Lb bb b= = jL1l2lL1l2lNN1( )2,0(1)xxef xebbbb-=+b123,WWW124,BBB2111( )( )2qsmttktJy ky k=骣=-桫邋适应度函数形式： ()1mmfitJd-=+( )y k：期望输出 ( )y k：网络当前输出 figure(1);P=-1:.05:1;T=sin(pi* P);plot(P,T); %画出函数曲线clc;clear all;tic %计算程序运行时间，和计算程序运行时间，和toc连用，连用，tic表示开始，表示开始，to

2、c表示结束表示结束NIND=40; %种群规模种群规模MAXGEN=100; %最大运行代数最大运行代数GGAP=0.9; %代沟代沟trace=zeros(1,MAXGEN); % 用于存储训练误差用于存储训练误差Chrom=crtbp(NIND,10); %创建初始种群创建初始种群gen=0; %代计数器代计数器ObjV=(objv2s(Chrom,40);while genMAXGEN, FitnV=ranking(ObjV); SelCh=select(sus,Chrom,FitnV,GGAP);SelCh=recombin(xovsp,SelCh,0.7); SelCh=mut(Se

3、lCh); ObjVSel=(objv2s(SelCh,36); Chrom ObjV=reins(Chrom,SelCh,1,1,ObjV,ObjVSel); gen=gen+1; Jm index=min(ObjV); %记录最优目标函数值的变化记录最优目标函数值的变化 trace(gen,1)=Jm; if (gen=1) t(gen,1)=toc; elset(gen,1)=toc+t(gen-1,1); endendLy=Chrom(index,:); %训练结束后，记录最优个体训练结束后，记录最优个体figure(2);plot(1:100,trace); %画出训练误差变化曲线画

4、出训练误差变化曲线（）下面为被调用函数。将每个染色体解码成一个网络结构，分别计算在该结构下，网络的测试输出与期望输出的误差值，该组误差值被返回到主程序中，用以衡量每个染色体性能的好坏，从而选出性能优良的染色体，经过GA的不断进化，最终获得网络拓扑结构。0 *2 00 *2 11*2 21*2 312+=clc;clear all;FieldDR=-20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -2

5、0 -20 -1;20 20 20 20 20 20 20 20 20 20 20 20 1 1 1 1 1 1 1 1 1 1 1 1 20 20 20 20 20 20 20 20 20 20 20 20 1; %权值和阈值的取值范围权值和阈值的取值范围 Chrom=crtrp(40,FieldDR); %产生产生40个初始群体个初始群体MAXGEN=200; %最大运行代数最大运行代数GGAP=0.9; %代勾代勾gen=0; %代计数器代计数器Jm=1;tracec=zeros(MAXGEN,1); % 用于存储训练误差用于存储训练误差ObjV=objv2b(Chrom,40); %调

6、用调用obj2b函数计算当前群体的目标函数函数计算当前群体的目标函数值值 下面为被调用函数。将每个染色体中的实数分别解码为网络的权值和阈值，来计算网络的测试输出与期望输出的误差值，该组误差值被返回到主程序中，用以衡量每个染色体性能的好坏，从而选出性能优良的染色体，经过GA的不断进化，最终获得网络权值和阈值结果。2111( )( )2qsmttktJy ky k=骣=-桫邋适应度函数形式： ()1mmfitJd-=+( )y k：期望输出 ( )y k：网络当前输出 clc;clear all;tic %计算程序运行时间，和计算程序运行时间，和toc连用，连用，tic表示开始，表示开始，toc表

7、示结束表示结束NIND=40; %种群规模种群规模MAXGEN=100; %最大运行代数最大运行代数GGAP=0.9; %代沟代沟trace=zeros(1,MAXGEN); % 用于存储训练误差用于存储训练误差Chrom=crtbp(NIND,10); %创建初始种群创建初始种群gen=0; %代计数器代计数器ObjV=(objv2s(Chrom,40);while genMAXGEN, FitnV=ranking(ObjV); SelCh=select(sus,Chrom,FitnV,GGAP);（）下面为被调用函数。将每个染色体解码成一个网络结构，分别计算在该结构下，网络的测试输出与期望输出的误差值，该组误差值被返回到主程序中，用以衡量每个染色体性能的好坏，从而选出性能优良的染色体，经过GA的不断进化，最终获得网络拓扑结构。 下面为被调