版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、人工神經(jīng)網(wǎng)絡(luò)理論及應(yīng)用人工神經(jīng)網(wǎng)絡(luò)理論及應(yīng)用屈楨深哈爾濱工業(yè)大學(xué)哈爾濱工業(yè)大學(xué)4. matlab nn工具箱工具箱n入門:從一個(gè)簡單例子入門:從一個(gè)簡單例子n常用網(wǎng)絡(luò)對(duì)象屬性常用網(wǎng)絡(luò)對(duì)象屬性nnnnn工具箱中的工具箱中的bpbp算法算法n演示與比較演示與比較nguigui工具工具n字符識(shí)別實(shí)例字符識(shí)別實(shí)例matlab nn工具箱介紹支持以下nn模型:n 感知器n bp網(wǎng)絡(luò)n rbfn網(wǎng)絡(luò)n 競爭型網(wǎng)絡(luò)n 自組織網(wǎng)絡(luò)n 反饋網(wǎng)絡(luò)n 時(shí)延網(wǎng)絡(luò)n narx網(wǎng)絡(luò)n 自定義網(wǎng)絡(luò)matlab nn工具箱功能nnet 5.0含近200個(gè)工具箱函數(shù),包括:n 各類神經(jīng)網(wǎng)絡(luò)訓(xùn)練;n 圖形化顯示(誤差結(jié)果,權(quán)值等
2、);n 與simulink緊密結(jié)合,拖放方式創(chuàng)建nn;n simulink中nn control和fuzzy nn實(shí)現(xiàn)(anfis) matlab nn表示神經(jīng)網(wǎng)絡(luò)介紹u=-1:0.05:1; %樣本輸入t=0.5+0.5*sin(2*pi*u); %樣本輸出net=newff(-1 1,5 1,tansig,purelin,trainlm);% 訓(xùn)練參數(shù)net.trainparam.goal=1e-6;net.trainparam.epochs=10000; net,tr=train(net,u,t); %訓(xùn)練y=sim(net,u); %實(shí)際輸出plot(u,t,b,u,y,r); %期望
3、輸出和實(shí)際輸出比較nn工具箱中最重要的對(duì)象。引用方式: 網(wǎng)絡(luò)名.子對(duì)象.屬性e.g. net.numinputs, net.trainparam.epochs, net.layers1.size代碼中表示方法net對(duì)象屬性11ww)2(121ww)3 , 2(1231ww)3 , 2(, 1)(231kwk w 決定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),包括輸入向量,網(wǎng)絡(luò)層,輸出向量,權(quán)值向量等, 以及他們的連接關(guān)系numlayers: 神經(jīng)網(wǎng)絡(luò)層數(shù)演示net對(duì)象屬性:結(jié)構(gòu)類型net對(duì)象屬性:子對(duì)象類型inputs:輸入層結(jié)構(gòu)(.range, .size)layers: 各網(wǎng)絡(luò)層結(jié)構(gòu)(.size, .transfer
4、fun)outputs: 輸出向量結(jié)構(gòu)targets: 各網(wǎng)絡(luò)層目標(biāo)向量biases: 各網(wǎng)絡(luò)層閾值向量inputweights: 輸入層權(quán)值向量layerweights: 各網(wǎng)絡(luò)層權(quán)值向量net對(duì)象屬性:函數(shù)屬性 定義了在權(quán)值調(diào)整,初始化,性能計(jì)算或訓(xùn)練時(shí)采用的算法n adaptfcn:權(quán)值/閾值調(diào)整n initfcn:初始化權(quán)值/閾值n performfcn:性能指標(biāo)函數(shù)n trainfcn:訓(xùn)練函數(shù)信號(hào)處理net對(duì)象屬性:函數(shù)屬性(3)trainfcnn traingdn traingdx +自適應(yīng)學(xué)習(xí)速率+動(dòng)量因子n trainrp 彈性bpn traincgb 一種改進(jìn)的共軛梯度法n
5、 trainlm levernberg-marquardtn 其他net對(duì)象屬性:參數(shù)屬性(train) net.trainparam.epochs 100 最大訓(xùn)練周期 net.trainparam.max_fail 5 最大失敗次數(shù) net.trainparam.mem_reduc 1 內(nèi)存/速度折中系數(shù)(lm) net.trainparam.min_grad 1e-10 最小梯度 net.trainparam.mu 0.001 初始(lm) net.trainparam.mu_dec 0.1 減小系數(shù) net.trainparam.mu_inc 10 增加系數(shù) net.trainpara
6、m.mu_max 1e10 最大 net.trainparam.show 25 訓(xùn)練周期 net.trainparam.time inf 最多訓(xùn)練時(shí)間不同訓(xùn)練函數(shù)對(duì)應(yīng)參數(shù)可能不同net對(duì)象屬性:權(quán)值/閾值基于權(quán)值和閾值屬性的訪問方式:n iw 輸入權(quán)值;n lw 網(wǎng)絡(luò)層權(quán)值;n b 閾值(輸入層+網(wǎng)絡(luò)層)演示matlab中的bp算法n 基于最速下降的方法及改進(jìn)n 基于共軛梯度的方法n 基于二階導(dǎo)數(shù)的方法matlab bp算法: 最速下降法與改進(jìn)n 最速下降法(sdbp)n 動(dòng)量bp法n 學(xué)習(xí)速率可變的bp算法n 彈性bp算法 訓(xùn)練函數(shù):traingd 演示 :nnd12sd1matlab bp
7、算法: 最速下降法)()() 1(kkkgwwmatlab bp算法: 動(dòng)量bp)()1 ()() 1(kkkgww) 1()() 1(kkkwww 訓(xùn)練函數(shù):traingdm 演示 :nnd12momatlab bp算法: 學(xué)習(xí)速率可變bp)() 1()()() 1()() 1(decinckjkjkkkjkjkkk 訓(xùn)練函數(shù):traingdx 演示 :nnd12vl matlab bp算法: 彈性bp0)()()1(sign)(sign)(sign)()1(sign)(sign)(sign)() 1(decinckkkkkgkkkkkgkkkgwggwggww 訓(xùn)練函數(shù):trainrp m
8、atlab bp算法: 共軛梯度法 n fletcher-reeves修正算法(traincgf)n polak-ribiere修正算法(traincgp)n powell-beale修正算法(traincgb)n scaled conjugate gradient算法(trainscg) 演示 :nnd12cgmatlab bp算法: 基于二階導(dǎo)數(shù)n bfgs算法(trainbfg)n oss算法(trainoss)n levernberg-marquardt(trainlm) 演示 :nnd12mnn gui工具:nntoolnntool(1) 輸入?yún)^(qū)域(2) 目標(biāo)區(qū)域(3) 神經(jīng)網(wǎng)絡(luò)對(duì)象(4) 網(wǎng)絡(luò)輸出數(shù)據(jù)(5) 誤差數(shù)據(jù)引入數(shù)據(jù)網(wǎng)絡(luò)新建數(shù)據(jù)網(wǎng)絡(luò)appcr1輸入:57二值化網(wǎng)格;輸出:a-z 大寫字母功能:自動(dòng)識(shí)別1. 輸入、輸出向量化;2. 使用原始模式訓(xùn)練;3. 加入不同噪聲訓(xùn)練;4.
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 2025年度個(gè)人養(yǎng)老金投資管理合同4篇
- 2025版專業(yè)舞蹈鞋訂購與租賃合同3篇
- 2025版木質(zhì)墻板供貨與安裝服務(wù)合同4篇
- 2025年度城市軌道交通建設(shè)項(xiàng)目工程總承包合同4篇
- 2025版土地儲(chǔ)備土地使用權(quán)流轉(zhuǎn)合同3篇
- 五金行業(yè)電子商務(wù)應(yīng)用考核試卷
- 安徽省黃山市高三第一次質(zhì)量檢測(cè)語文試卷(含答案)
- 2025版升級(jí)版土方工程勞務(wù)承包合同范本2篇
- 2025版危險(xiǎn)化學(xué)品運(yùn)輸安全責(zé)任合同3篇
- 二零二五版海運(yùn)出口運(yùn)輸代理合同貨物跟蹤查詢協(xié)議3篇
- 無人化農(nóng)場項(xiàng)目可行性研究報(bào)告
- 《如何存款最合算》課件
- 社區(qū)團(tuán)支部工作計(jì)劃
- 拖欠工程款上訪信范文
- 2024屆上海市金山區(qū)高三下學(xué)期二模英語試題(原卷版)
- 《wifi協(xié)議文庫》課件
- 2025年新高考語文復(fù)習(xí) 文言文速讀技巧 考情分析及備考策略
- 2024年??谑羞x調(diào)生考試(行政職業(yè)能力測(cè)驗(yàn))綜合能力測(cè)試題及答案1套
- 一年級(jí)下冊(cè)數(shù)學(xué)口算題卡打印
- 2024年中科院心理咨詢師新教材各單元考試題庫大全-下(多選題部分)
- 真人cs基于信號(hào)發(fā)射的激光武器設(shè)計(jì)
評(píng)論
0/150
提交評(píng)論