MATLAB 神经网络工具箱.ppt
MATLAB 神经网络工具箱.ppt
《MATLAB神经网络工具箱.ppt》系会员所提供，支持在线查阅，如需获取更多《MATLAB神经网络工具箱.ppt（20页珍藏版）》资料，请访问一课资料网进行搜索。
MATLAB神经网络工具箱中的NeuronModel模型，是一种多输入单输出的神经元模型，它具备偏置功能。该模型接收一个R维列向量作为输入，并使用一个R维行向量作为权值。此外，它还设定了一个标量作为阈值。在模型中matlab bp神经网络工具箱怎么用，求和单元负责对输入进行求和，而传递函数则用于处理这些求和结果，生成输出。常用的传递函数包括hardlim和hardlims，它们分别对应线性函数PurelinTransferFunction和Sigmoid函数SigmoidFunction。Sigmoid函数具有值域在0到1之间，它是一种非线性且无限次可微的函数。当n值较小时，Sigmoid函数可以近似为线性函数；而当n值较大时，则可以近似为阈值函数。MATLAB还提供了logsig和tansig函数，分别对应对数Sigmoid函数和正切函数。
数个神经元构成的Sigmoid函数单层神经网络模型，以R维输入为基础，采用S个神经元构建。这种模型属于多层神经网络的前馈神经网络范畴，即feedforwardNN。在此网络中matlab bp神经网络工具箱怎么用，各神经元接收前级输入，并将输出传递至下一级，整个过程中无反馈机制，可以用一个有向无环图来表示。前馈网络通常被划分为多个层次，其中第i层的输入仅与第i-1层的输出相连接。网络结构中包含可见层，如输入层(inputlayer)和输出层(outputlayer)，以及隐藏层(hiddenlayer)和中间层。感知器(perceptron)是单层网络的基本单元，其传递函数为阀值函数，主要功能是进行模式分类。感知器的生成函数newp用于创建一个感知器神经网络net，其中pr、s、tf、lf和n分别代表不同的参数。
et函数输出参数，代表生成的感知器网络pr，包括一个由R维输入向量的每维最小值和最大值构成的R2矩阵s，以及神经元的数量tf。感知器的传递函数tf默认为hardlim，可选hardlimslf。学习函数lf默认为learnp，可选learnpn。net newp 2 2 2 2 2创建一个二维输入，包含两个神经元的感知器。感知器的权值和阈值初始化为零，使用newp默认的零初始化函数initzero。net newp 2 2 2 2 2 W net IW 1 1展示网络的权值W，b net b 1展示网络的阈值b。将默认的初始化函数更改为随机函数rands net inp。
将网络权重和偏置进行随机初始化，使用随机函数对网络进行直接初始化。定义权值和阀值，初始化感知器网络。对网络进行重新初始化，直接初始化。设置感知器学习算法，包括权值增量、阀值增量、权值更新和阀值更新，以及算法改进和输入样本归一化。进行权值和阀值的训练与学习，训练网络。设计的感知器无法立即应用，需通过样本训练来确定其权值和阀值。使用输入向量和目标向量对网络进行训练，设定网络参数为tranParam，最大训练次数为10次。感知器最多训练10次后，训练过程将停止。
5、采用自适应训练函数，该函数涉及权值和阀值的学习，具体包括学习p、dW、W、P、Z、N、A、T、E、D、gW、gA、LP、LS、dW等，其中权值或阀值的变化矩阵为WMATLAB 神经网络工具箱.ppt，权值矩阵或阀值向量为P，输入向量为T，目标向量为T，误差向量为E，其他因素可忽略不计。设为learnpn的归一化学习函数，网络仿真函数sim_a和sim_net分别用于处理输入向量P和网络输出，分类结果显示绘图函数plotpv和plotpc则用于绘制输入向量的图像和分类线。根据给定的样本输入向量P、目标向量T以及需分类的向量组Q，创建一个感知器并对其进行分类。
创建感知器P05060708001，给定样本输入向量T为110，样本目标向量net_newp为[11, 11, 1]。启动感知器handle，绘制plotpc。设置net的trainParam参数，训练最大次数为10。使用net_train函数训练网络P。设定训练参数Q为[0, 60, 9, 0, 1, 0, 1, 0, 50, 5]。已知待分类向量Y，进行二元分类仿真。在figure中新建图形窗口，plotpv绘制输入向量handle，plotpc绘制分类线。实验一采用感知器进行...
7、对5个输入向量进行分类的经过训练的感知器，首先，由两个长度为5的向量构成输入样本矩阵P，行向量T则代表目标向量。通过PLOTPV函数绘制该向量的图像，例如：P包含元素0, 5, 0, 5, 0, 3, 0, 1, 4, 0, 5, 0, 5, 0, 5, 1, 0, 5，而T为1, 1, 0, 0, 0, 1。使用plotpv(P, T)来展示输入向量的图像。接着，构建神经网络，并绘制输入向量的图像。MATLAB中的newp函数可用于创建一个特定感知器，其中第一个参数设定了期望的两个输入向量的取值范围，第二个参数则指定了神经元的数量。创建的神经网络如下：net = newp([0, 1], [0, 1], 1)。需要注意的是，该神经元的传递函数为hardlim。
阶跃函数，亦称im函数，其输出仅取0和1两个值；而Hardlims函数则输出为1和1。在实验一中，我们使用感知器进行分类实验，首先，我们将神经元的初始值添加到分类图中；第二步，将初始化的权值设为0，因此无论输入如何，输出都将相同，且分类线不会出现在该图中。无需担忧，我们将会继续训练这个神经网络。在训练过程中MATLAB 神经网络工具箱.ppt，Matlab的adapt函数被用来训练感知器，该函数能够返回一个性能更优的神经网络，其输出和误差均得到改善。这个划线函数允许网络从三个不同角度进行调整，直至误差降为0。
在训练过程中，当误差函数E的值等于SSE时，决定让net adaptParam通过3次。同时，使用输入样本来调整神经网络netmatlab bp神经网络工具箱怎么用，并通过netlinehandle和plotpc函数在net IW 1和net b 1上绘制调整后的分类线，然后使用drawnow函数延迟一段时间。实验一采用感知器进行分类，在第3步中，模拟函数simsim能够用来划分任何其他输入向量，例如划分输入向量0 7 1 2，这个新点的图像以红色呈现，用于展示感知器如何将这个新点从初始训练集中分离出来。通过使用模拟函数sim计算新输入p的神经网络输出，并使用plotpv函数绘制输出，再用findobj和gca函数找到类型为line的对象，并设置圆圈颜色为红色。通过打开hold命令，确保之前的图像不会被删除，同时增加训练装置和分类线在图中的显示。使用holdon命令，再通过plotpv函数绘制P和T，最后使用holdoff命令和axis函数调整坐标轴范围至22 22。这个感知器能够正确地区分我们的新点，用红色表示零类，用圆圈表示，而不是用号表示一类。尽管训练时间较长，这个感知器仍然适当地进行了学习，并最终放大了感兴趣的区域。
