MATLAB神经网络工具箱及实验要求.ppt
《MATLAB神经网络工具箱及实验要求.ppt》由会员分享,可在线阅读,更多相关《MATLAB神经网络工具箱及实验要求.ppt(39页珍藏版)》请在咨信网上搜索。
1、MATLAB神经网络工具箱介绍及实验要求神经元模型Neuron Model: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-b1-1u阈值函数MATLAB函数:hardlimMATLAB函数:hardlims线性函数uPurelin Transfer Function:anMATLAB函数:purelinSigmoid函数uSigmoid Function:u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
2、切Sigmoid函数单层神经网络模型R维输入,S个神经元的单层神经网络模型多层神经网络模型 前馈神经网络u前馈神经网络(feed forward NN):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。u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。u可见层:输入层(input layer)和输出层(output layer)u隐藏层(hidden layer):中间层感知器(perceptron):u 单层前馈网络u 传递函数为阈值函数u主要功能是模式分类感知器的生成函数newp用来生成一个感知器神经网络net=newp(pr,s,tf,l
3、f)net:函数返回参数,表示生成的感知器网络 pr:一个R2矩阵,由R维输入向量的每维最小值和最 大值组成 s:神经元的个数 tf:感知器的传递函数,默认为hardlim,可选hardlims lf:感知器的学习函数,默认为learnp,可选learnpnnet=newp(-2,+2;-2,+2,2)%生成一个二维输入,两个神经元的感知器newp感知器的权值和阈值初始化p newp默认权值和阈值为零(零初始化函数initzero).net=newp(-2,+2;-2,+2,2);W=net.IW1,1%显示网络的权值b=net.b1%显示网络的阈值W=0 00 0b=0 0 p 改变默认初始
4、化函数为随机函数randsnet.inputweights1,1.initFcn=rands;net.biases1.InitFcn=rands;net=init(net);%重新初始化p 直接初始化定义权值和阈值net.IW1,1=1 2;net.b1=1感知器学习感知器学习算法权值增量:阈值增量:权值更新:阈值更新:u算法改进输入样本归一化权值和阈值训练与学习函数trainnet=train(net,P,T)设计好的感知器并不能马上投入使用.通过样本训练,确定感知器的权值和阈值.输入向量目标向量被训练网络net.trainParam.epochs=10;%预定的最大训练次数为10,感知器经
5、过最多训练10次后停止,adaptnet=adapt(net,P,T)自适应训练函数权值和阈值学习函数learnpdW=learnp(W,P,Z,N,A,T,E,D,gW,gA,LP,LS)dW:权值或阈值的增量矩阵W:权值矩阵或阈值向量P:输入向量T:目标向量E:误差向量其他可以忽略,设为 learnpn归一化学习函数网络仿真函数sima=sim(net,P)输入向量网络输出分类结果显示绘图函数plotpvplotpv(P,T)plotpcplotpc(W,b)画输入向量的图像画分类线 根据给定的样本输入向量P和目标向量T,以及需分类的向量组Q,创建一个感知器,对其进行分类.例:创建一个感知
6、器P=-0.5-0.6 0.7;0.8 0 0.1;%已知样本输入向量T=1 1 0;%已知样本目标向量net=newp(-1 1;-1 1,1);%创建感知器handle=plotpc(net.iw1,net.b1);%返回划线的句柄net.trainParam.epochs=10;%设置训练最大次数net=train(net,P,T);%训练网络Q=0.6 0.9-0.1;-0.1-0.5 0.5;%已知待分类向量Y=sim(net,Q);%二元分类仿真结果 figure;%新建图形窗口plotpv(Q,Y);%画输入向量handle=plotpc(net.iw1,net.b1,handl
7、e)%画分类线实验一 利用感知器进行分类(1)一个经过训练的感知器对5个输入向量进行分类(2类)。Step 1 两个长度为5的向量构成输入样本矩阵P,行向量T为目标向量。利用PLOTPV画出这个向量的图像。例如:P=-0.5-0.5+0.3-0.1-4;-0.5+0.5-0.5+1.0 5;T=1 1 0 0 1;plotpv(P,T);%plotpv函数利用感知器的输入向量和目标向量来画输入向量的图像Step 2建立神经网络 画输入向量的图像 MATLAB提供函数newp来创建一个指定的感知器。第一个参数指定了期望的两个输入向量的取值范围,第二个参数指定了只有一个神经元。net=newp(-
8、40 1;-1 50,1);注意:这个神经元的传递函数是hardlim函数,也就是阶跃函数。取0,1两个值。Hardlims函数,取-1,1两个值。实验一 利用感知器进行分类(2)添加神经元的初始化值到分类图添加神经元的初始化值到分类图 Step3 初始化的权值被设为0,因此任何输入都会给出同样的输出,并且分类线不会出现在这个图中,不用害怕,我们会继续训练这个神经网。hold on linehandle=plotpc(net.IW1,net.b1);/plotpc函数用来画分类线训练神经网络训练神经网络 Step4 Matlab提供了adapt函数来训练感知器,adapt函数返回一个新的能更好
9、的执行分类、网络的输出、和误差的神经网络,这个划线函数允许网络从3个角度去调整,画分类线一直到误差为0为止。E=1;/E为误差net.adaptParam.passes=3;/决定在训练过程中重复次数while(sse(E)/sse函数是用来判定误差E的函数net,Y,E=adapt(net,P,T);/利用输入样本调节神经网netlinehandle=plotpc(net.IW1,net.b1,linehandle);/画出调整以后的分类线drawnow;/延迟一段时间end实验一 利用感知器进行分类(3)Step 5 模拟模拟sim sim函数能被用来划分任何别的输入向量,例如划分一个输入
10、向量0.7;1.2.这个新点的图像为红色,他将用来显示这个感知器如何把这个新点从最初的训练集取分开来。p=0.7;1.2;a=sim(net,p);/利用模拟函数sim计算出新输入p的神经网络的输出plotpv(p,a);circle=findobj(gca,type,line);set(circle,Color,red);打开hold,以便于以前的图像不被删除。增加训练装置和分类线在图中。hold on;plotpv(P,T);plotpc(net.IW1,net.b1);hold off;axis(-2 2-2 2);这个感知器正确的区分了我们的新点(用红色表示)作为”zero”类(用圆圈
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- MATLAB 神经网络 工具箱 实验 要求
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【胜****】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【胜****】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。