MATLAB神经网络实验.ppt

MATLAB神经网络工具箱介绍及实验要求神经元模型NeuronModel:多输入,单输出,带偏置输入:R维列向量权值:R维行向量阈值:标量求和单元传递函数输出常用传递函数aWp-b1-1阈值函数MATLAB函数:hardlimMATLAB函数:hardlims线性函数PurelinTransferFunction:anMATLAB函数:purelinSigmoid函数SigmoidFunction:特性:值域a∈(0,1)非线性,单调性无限次可微|n|较小时可近似线性函数|n|较大时可近似阈值函数MATLAB函数:logsig(对数),tansig(正切)对数Sigmoid函数正切Sigmoid函数前馈神经网络前馈神经网络(feedforwardNN):各神经元接受前级输入,并输出到下一级,无反馈,可用一有向无环图表示。前馈网络通常分为不同的层(layer),第i层的输入只与第i-1层的输出联结。可见层:输入层(inputlayer)和输出层(outputlayer)隐藏层(hiddenlayer):中间层BP网络多层前馈网络主要功能:函数逼近,模式识别,信息分类传递函数:隐层采用S形函数,=newff(PR,[S1S2...SN],{TF1TF2...TFN},BTF,BLF,PF)PR:一个R×2矩阵,由R维输入向量的每维最小值和最大值组成Si:第i层的神经元个数TFi:第i层的传递函数,默认为tansigBTF:训练函数,默认为trainlmBLF:学习函数,默认为learngdmPF:性能函数,=newff([0,10;-1,2],[5,1],{‘tansig’,’purelin’},’trainlm’);%生成一个两层BP网络,隐层和输出层神经的个数为5和1,传递函数分别为tansig和purelin,训练函数为trainlm,其他默认BP网络的初始化newff函数在建立网络对象的同时,自动调用初始化函数,,(backpropagation).反向传播算法分二步进行,即正向传播和反向传播。,通过所有的隐层之后,则传向输出层;在逐层处理的过程中,每一层神经元的状态只对下一层神经元的状态产生影响。在输出层把现行输出和期望输出进行比较,如果现行输出不等于期望输出,则进入反向传播过程。,把误差信号按原来正向传播的通路反向传回,并对每个隐层的各个神经元的权系数进行修改,以望误差信号趋向最小。BP算法实质是求取误差函数的最小值问题。这种算法采用非线性规划中的最速下降方法,按误差函数的负梯度方向修改权系数。