8神经网络讲义第8章ppt课件

1、 8.1图形用户界面 前面儿章引见了MATLAB神经网络工具箱的各种函数,这些函数是神经网络仿真程序设计的根底,可以给用户以充分的开发空间按照本人的想象设计各种神经网络。但对于程序设计或神经网络工具箱函数不是很熟习的用户来说,要快捷、方便、正确地设计一个神经网络是非常困难的。 MATLAB 6.x的神经网络工具箱neural network toolbox version 4.x提供了图形用户界面(graph user inteface , GUI) ,从而运用户在图形界面上,经过与计算机的交互操作设计和仿真神经网络,使得神经网络的设计和仿真变得简单易学. 8.1.1 图形用户界面简介图形用户

2、界面简介 函数函数nntool 的详解见附录。在的详解见附录。在MATLAB 命命令窗口令窗口(command window)输入输入nntool , 即即可打可打networkdata manager(网络数据管理网络数据管理器窗补如图器窗补如图8.1 所示。所示。) 图8.1 图形用户界面 networkdata manager窗口有7个显示区和2个按钮区; ( 1 ) Inputs区域:显示用户指定的输入向量变量名。 ( 2 ) Targets 区域:显示用户指定的目的向量变量名。 ( 3 ) Input Delay State区域:显示用户指定的输入延迟参数变量名。 ( 4 ) Net

3、works区域:显示用户定义的网络名 ( 5 ) Outputs区域:显示网络的输出向量变量名。 ( 6 ) Errors区域:显示网络的训练误差变量名。 ( 7 ) Layer Delay States区域显示用户指定的网 络层延迟参数变量名。 ( 8 )Networks and Data 按钮区 Help按钮：单击该按钮,弹出Network / Data Manager Help 窗口,为用户运用Net -work/Data Manager 提供协助。 New Data 按钮：单击该按钮,弹出Create New Data窗口,在该窗口可以定义各种数据类型的变量名和数据值(Value)。

4、New Network 按钮：单击该按钮,弹出Create New Network 窗口,在该窗口可以定义神经网络称号、神经网络类型及其网络对象和子对象属性参数等。 Import 按钮：单击该按钮,弹出Import or Load Network/Data Manager窗口,可以经过该窗口从命令窗口或磁盘文件导人神经网络或数据。 Export 按钮：单击该按钮,弹出Export or Save from Network/Data Manager窗口,可以将Network/Data Manager窗口的变量导出到命令窗口或存人磁盘文件中。 View按钮：先选中显示区域的变量名或网络名,单击Vi

5、ew 按钮,那么弹出一个新的窗口,在该窗口中显示选中的变量或网络的详细内容。 Delete 按钮：先选中显示区域的变量名或网络名,单击Ddete按钮,那么删除选中的变量或网络。 (9) Networks only按钮区:先选中显示区域的网络名,单击该区域的恣意一个按钮,那么弹出一个新的窗口(Network：网络名),在该窗口中,可以查看网络的构造表示图,查看权值/阈值,设置网络的初始化值、训练参数、自顺应调整参数和仿真参数,并可对定义的神经网络进展初始化、训练、自顺应调整、仿真等。 8.1.2 8.1.2 图形用户界面运用例如图形用户界面运用例如 仍以例仍以例6.16.1的方式分类问题为例的方

6、式分类问题为例, ,将待分类方将待分类方式重画于图式重画于图8.2 8.2 中。据例中。据例6.1 6.1 的分析的分析, ,网络构网络构造重画于图造重画于图8.3 8.3 中。第中。第1 1层有层有5 5个神经元个神经元, ,第第2 2 层有层有1 1个神经元。个神经元。 训练样本集为训练样本集为11242110t0.2p， 以图形用户界面设计上述神经网络的详细方法如下： 图8.2 待分类方式 输入 第一层 第二层 图8.3 两层BP 网络(l)在MATLAB命令窗口键人nntool,翻开 Network/Data Manager窗口。(2)创建神经网络 单击New Net

7、work 按钮,弹出Create New Network 窗口,如图8.4所示。 图8.4 Create New Network 窗口 输入网络名(network name)：demonet; 选择网络类型(network name)：feed-forward backprop; 确定输入向量的取值范围(Input ranges) -4 1;0 2; 选择训练函数(Training function ) : TRAINLM ; 选择自顺应调整学习函数(Adaption learning function ) :LEARNGDM; 选择误差性能函数(Perf 。rmance function )

8、 : MSE ; 确定网络层数(Number of layers ) : 2 ; 确定各网络层的属性(Properties for ) : Layer1 神经元数(Number of neurons )为5 , 传输函数(Transfer function )为LOGSIG ; Layer2 神经元数(Number of neurons )为1 , 传输函数(Transfer function )为LOGSIG 。 单击View 按钮可以查看以上定义的网络构造,如图8.5所示 图8.5 View of New Network 窗口 单击Create 按钮,封锁Create New Networ

9、k 窗口,回到Network/Data Manager窗口,可以看到在Networks区域显示出建立的网络名 Demonet, 选中该网络名,单击该窗口的View 按钮也可以查看到如图,8.5所示的网络构造。 (3)训练网络 确定训练样本的输入向量。在Network Data Manager 窗口单击New Data 按钮,弹出Create New Data窗口,选择数据类型为Inputs ,输入向量名(Name )为p ,其值( Value )为 如图8.6 所示。然后单击Create 按钮,封锁Create New Data窗口,回到Network/Data Manager窗口。可以看到在

10、Inputs 区域显示出输入向量名 ,选中该输入向量名,单击该窗口的View 按钮,弹出数据(Data)窗口,在该窗口可以查看到该输入向量的值,并可以修正数据值。p1 -1 -2 -4 2 1 1 0； 确定训练样本的目的向量。按照与输入向量同样的方法可以确定目的向量,只是选择数据类型为Targets,输入向量名为 ,数据值为 训练网络。在Network/Data Manager 窗口选中网络名Demonet,单击Train 按钮,那么弹出Network:Demonet窗口,如图8.8 所示。t0.2 0.8 0.8 0.2图8.6 Create New Data 窗口 图8.7 Create

11、 New Data 窗口 图8.8 Network 窗口 可以看出,该窗口为一个多页面对话框,在Train 页面有3个子页面：Training lnfo 在该子页面将划训练数据(Training Data)的输入向量(Inputs )选择为p,目的向量(Targets)选择为t;训练结果(Training Results)的输出变量(outputs ) 和误差性能变量(Errors)采用系统自动生成的Demonet _ output,和Demonet _ errors,当然它们也可以由用户重新定义。TrainingParameters 在该子页面可以设置训练的各种参数,这要根据详细训练和学习函

12、数进展确定,相关内容可参看各神经网络模型的训练和学习算法。本例采用其默许值即可。Optional lnfo 该子页面用以确定在训练时能否采用确认样本和测试样本,本例均不采用。 以上过程完成后,单击该页面的Train Network按钮,开场训练,其训练过程如图8.9所示。 图8.9 训练误差性能曲线 训练完成后,在Network/Data Manager窗口可以看到,在Outputs区域显示出输出变量名Demonet_outputs,在Errors区域显示出误差性能变量名Demonet_ rrors。选中变量名,单击该窗口的View 按钮,那么弹出数据(Data)窗口,在该窗口可以查看到该所选

13、中变量的详细数据。 (4)网络仿真在Network/Data Manager窗口选中网络名Demonet,单击simulate 按钮,弹出Network: Demonet窗口,显示Simulate页面,如图8.10所示。 将仿真数据选择为p,仿真结果选择为a,单击Simulate Network按钮,那么在Network/ Data Manager窗口的Outputs,区域显示出输出变量名a,选中该变量名,单击该窗口的View 按钮,弹出数据(Data: a)窗口,在该窗口可以查看仿真结果的详细数据,如图8.11 所示。 可以看出,网络很好地完成了图8.2 所示的两类方式分类问题。当然,可以用

14、训练样本以外的数据进展仿真,此时,需求先在Network/Data Manager窗口建立仿真的输入向量,建立方法与建立训练样本的输入向量一样,然后在Network: Demonet窗口的Simulate 页面选择该仿真的输入向量名,进展仿真。 图8.10 Network:Demonet窗口的Simulate页面 图8.11 仿真结果数据 8.1.3 图形用户界面的其他操作图形用户界面的其他操作 1网络变量的导出和存盘网络变量的导出和存盘 在在Network / Data Manager 窗口单击窗口单击Export按钮按钮,那么弹出那么弹出Export or Save from Net wo

15、rk/Data Manager窗口窗口,如图如图8.12 所示。所示。 (1)将Network/Data Manager窗口的网络变量导出到命令窗口。 先选择要导出的变量,中选择单个变量时,直接用鼠标单击变量名即可;中选择多个变量时,同时按住Ctrl 键;中选择一切变量时,单击Select all 按钮。选择完成后,单击Export按钮,即可将选择的变量导出到命令窗口。 (2)将Net work/Data Manager窗口的网络变量存入磁盘文件。 选择要存储的变量,方法同上,然后单击save按钮,弹出save to a MAT file对话框,用户可以选择存储的途径,并输入存储文件名,按保管

16、按钮,即可将选择的变量存入指定的磁盘文件中。 图8.12 导出数据窗口 需求留意的有两点： 文件名及途径名不能是汉字,否那么将导致存储失败。 除了网络名,其他数据变量都是以细胞矩阵的方式存储的,在从该文件重新导入Network/ Data Manager窗口时,以细胞矩阵的方式存储的变量往往不能直接作为各种数据加载。在这种情况下,用户可先用load 命令,将其加载到MATLAB 命令窗口,将细胞矩阵转换为普通矩阵方式后,再从命令窗口导入Network/ Data Manager 窗口。 2网络变量的导入和读取网络变量的导入和读取 (1)将命令窗口变量导人将命令窗口变量导人Network/Dat

17、a Manager窗口窗口 先在命令窗口定义网络和数据变量先在命令窗口定义网络和数据变量,然后在然后在Network/Data Manager窗口单击窗口单击Import按钮按钮,那么弹出那么弹出Import or Load to Network/Data Manager窗口窗口,如图如图8.13 所示。所示。 命令窗口定义的网络名和数据变量名将显示在导人数据窗口的Select a Variable区域,用户可以从中选择一个变量,假设选择的变量数据与Network/Data Manager窗口要求的网络(Networks)或其他数据类型(Inputs, Targets等)相匹配,那么在窗口的D

18、estination 区域的单项选择按钮以及Import 按钮将从“制止变为“允许形状。在Name 编辑框中输入用户在Network / DataManage：窗口运用的变量名(当然也可以与选择的变量名一样),单击单项选择按钮选择用户 需求导入的选项,然后单击Import按钮,即可将命令窗口定义的网络或变量导入Network/Data Manager窗口。 假设选择的变量数据与Network/Data Manage：窗口要求的数据类型都不匹配,那么在Destination区域的单项选择按钮以及Import,按钮均为“制止形状,此时,选中的变量将无法导入Network/Data Manager窗

19、口。 图8.13 导入数据窗口 (2)将文件中的变量导入Network/Data Manager窗口 假设在Network/Data Manager窗口单击import 按钮,那么弹出lmport or Load to Net- work/Data Manager窗口,如图8.12所示。在Source区域,单击单项选择按钮的Load from disk file项,那么MAT-file Name编辑框和Browse按钮从“制止变为“允许形状。此时,可以直接在MAT-file Name编辑框输入源文件名,或单击Browse 按钮,从弹出的文件Select MAT file对话框中,选择源文件名那

20、么选择源文件存储的变量将显示在Select a Variable 区域。将显示变量导人Network/Data Manager窗口的方法同1。 需求留意的是,源文件名及途径名不能是汉字,否那么导致读取文件失败。 本章引见了MATLAB 神经网络工具箱的图形用户界面,为尚不熟习以MATLAB 编程进展神经网络设计与仿真的用户提供了一个非常好的交互式图形界,使得神经网络的设计和仿真变得轻而易举。 到目前为止,所讨论的仿真都是基于编程实现的,而MATLAB 还提供了系统动态仿真工具箱Simuhnk,利用神经网络仿真模型库可以以模块方式实现神经网络的动态仿真。 8.2 Simulink 仿真工具箱 M

21、ATLAB Simulink称之为系统动态仿真工具箱,其实它是一个软件包,利用该软件包,用户可以对系统进展建模、仿真和对输出随时间变化的系统进展分析。Simulink 还广泛运用于现实世界动态系统的研讨,包括电子电路、减震器、制动系统等电子、机械、热力学等系统。Simuhnk神经网络仿真模型库只是Simulink 众多模型库中很少的一部分,关于Simulink 的普通运用方法,读者可参阅其他MATLAB 参考书。 8.2.1 simulink 神经网络仿真模型库简介神经网络仿真模型库简介 在在MATLAB 命令窗口命令窗口,输入输入neural 即可翻即可翻开神经网络仿真模型库开神经网络仿真模

22、型库(Library : neural )窗口窗口,如图如图8.14所示。所示。 图8.14 神经网络仿真模型库 当然,也可在MATLAB命令窗口输入Simulink,翻开Simulink模型库阅读器(Simulink Library Browser ),经过选择左边的树型目录,在窗口右边阅读神经网络仿真模型库,如图8.15所示。图8.15图8.16 Simulink 神经网络仿真模型库包含4个模块：传输函数(Transfer Functions)模块、网络输入函数(Net Input FunctionS)模块、权值函数(Weight Functions)模块和控制系统(Control Sys

23、tems)模块。 图8.17 Simulink 模型库阅读器 1.Transfer Functions 模块模块 双击双击Library: neural窗口中的窗口中的Transfer Functions模块模块,弹出弹出Library:neural/ Transfer Functions窗口窗口,如图如图8.18所示。所示。 可经过可经过Simulink Library Browser阅读阅读Transfer Functions模块模块,可以经过左边的树可以经过左边的树型目录选择型目录选择,也可以双击右边显示出的也可以双击右边显示出的Transfer Functions模块模块,读者自行操作领会读者自行操作领会,本书不再本书不再赘述。赘述。 图图8.18中的中的12个传输函数模块中个传输函数模块中,只需只需1个个输入端和输入端和1个输出端个输出端,分别可以接受分别可以接受1个网络输个网络输入向量和产生入向量和产生1个相应的输出向量个相应的输出向量,输入输出向输入输出向量的规模是一致的。量的规模是一致的。 2.Net Input Functioris 模块模块 双击双击Library:neural 窗口中的窗口中的Net Input Funct