神经网络与matlab课件

人工智能光电学院E-mail：

第十一章神经网络与MATLABNeuralNetworkSoftware

Programin:Programminglanguage(C++,Java,VB)NeuralnetworkpackageorNNprogrammingtoolTools(shells)incorporate:(MATLAB)TrainingalgorithmsTransferandsummationfunctionsMaystillneedto:ProgramthelayoutofthedatabasePartitionthedata(testdata,trainingdata)TransferthedatatofilessuitableforinputtoanANNtoolMATLAB神经网络工具箱

美国的Mathwork公司推出的MATLAB软件包既是一种非常实用有效的科研编程软件环境，又是一种进行科学和工程计算的交互式程序。MATLAB本身带有神经网络工具箱，可以大大方便权值训练，减少训练程序工作量，有效的提高工作效率.NeuralNetworkToolbox(MathWorks)simulink简介什么是simulinkSIMULINK是MATLAB软件的扩展，它是实现动态系统建模和仿真的一个集成开发环境，提供建立系统模型、选择仿真参数和数值算法、启动仿真程序对该系统进行仿真、设置不同的输出方式来观察仿真结果等功能。Simulink优点适应面广：包括线性、非线性系统；离散、连续以及混合系统；单任务、多任务离散事件系统；交互式、图形化的建模环境：以方块图形式呈现，比较直观，容易构造，运行速度较快；仿真精细、贴近实际。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。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。函数类型函数名称函数用途输入函数netsum输入求和函数netprcd输入求积函数concur使权值向量和阈值向量的结构一致其它dotprod权值求积函数BP网络的神经网络工具箱函数函数类型函数名称函数用途前向网络创建函数传递函数学习函数函数类型函数名称函数用途性能函数显示函数参数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BP网络及MATLAB实现以一个单隐层的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.-0.07290.37710.64050.66000.46090.1336-0.2013-0.4344-0.5000-0.3930-0.16470.09880.30720.39600.34490.1816-0.0312-0.2189-0.3201]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：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3~8之间。网络设计及运行的代码：s=3:8;res=1:6;fori=1:6;net=newff(minmax(P),[s(i),1],['tansig',logsig],'traingdx');net.trainParam.epachs=2000;n