《BP神經(jīng)網(wǎng)絡bp設計》PPT課件

1、第三章 前饋人工神經(jīng)網(wǎng)絡誤差反傳（BP）算法的改進與BP網(wǎng)絡設計1醫(yī)學PPT3.4 基于BP算法的多層前饋網(wǎng)絡模型三層BP網(wǎng)絡輸入層隱層輸出層2醫(yī)學PPT數(shù)學表達模型的數(shù)學表達輸入向量： X=(x1,x2,xi,xn)T隱層輸出向量： Y=(y1,y2,yj,ym)T輸出層輸出向量： O=(o1,o2,ok,ol)T期望輸出向量：d=(d1, d2,dk,dl)T輸入層到隱層之間的權(quán)值矩陣：V=(V1,V2,Vj,Vm)隱層到輸出層之間的權(quán)值矩陣：W=(W1,W2,Wk,Wl)各個變量之間如何建立聯(lián)系，來描述整個網(wǎng)絡？3醫(yī)學PPT神經(jīng)網(wǎng)絡的學習學習的過程：神經(jīng)網(wǎng)絡在外界輸入樣本的刺激下不斷改變

2、網(wǎng)絡的連接權(quán)值乃至拓撲結(jié)構(gòu)，以使網(wǎng)絡的輸出不斷地接近期望的輸出。學習的本質(zhì)：對可變權(quán)值的動態(tài)調(diào)整學習規(guī)則：權(quán)值調(diào)整規(guī)則，即在學習過程中網(wǎng)絡中各神經(jīng)元的連接權(quán)變化所依據(jù)的一定的調(diào)整規(guī)則。BP算法是一種學習規(guī)則4醫(yī)學PPTBP算法的基本思想學習的類型：有導師學習核心思想：將輸出誤差以某種形式通過隱層向輸入層逐層反傳學習的過程：信號的正向傳播 誤差的反向傳播將誤差分攤給各層的所有單元各層單元的誤差信號修正各單元權(quán)值5醫(yī)學PPTBP算法的學習過程正向傳播：輸入樣本輸入層各隱層輸出層判斷是否轉(zhuǎn)入反向傳播階段：若輸出層的實際輸出與期望的輸出（教師信號）不符誤差反傳誤差以某種形式在各層表示修正各層單元的權(quán)值

3、網(wǎng)絡輸出的誤差減少到可接受的程度進行到預先設定的學習次數(shù)為止6醫(yī)學PPT建立權(quán)值變化量與誤差之間的關(guān)系輸出層與隱層之間的連接權(quán)值調(diào)整隱層和輸入層之間的連接權(quán)值調(diào)整j=0,1,2,m; k=1,2,l (3.4.9a)i=0,1,2,n; j=1,2,m (3.4.9b)式中負號表示梯度下降，常數(shù)(0,1)表示比例系數(shù)，反映了訓練速率。可以看出BP算法屬于學習規(guī)則類，這類算法常被稱為誤差的梯度下降(Gradient Descent)算法。 7醫(yī)學PPTBP算法的程序?qū)崿F(xiàn)(1)初始化； (4)計算各層誤差信號； (5)調(diào)整各層權(quán)值； (6)檢查是否對所有樣本完成一次 輪訓； (7)檢查網(wǎng)絡總誤差是

4、否達到精 度要求。 (2)輸入訓練樣本對X Xp、d dp計算各層輸出；(3)計算網(wǎng)絡輸出誤差；8醫(yī)學PPTBP算法的程序?qū)崿F(xiàn) 然后根據(jù)總誤差計算各層的誤差信號并調(diào)整權(quán)值。 另一種方法是在所有樣本輸入之后，計算網(wǎng)絡的總誤差：9醫(yī)學PPT多層前饋網(wǎng)的主要能力(1)非線性映射能力 多層前饋網(wǎng)能學習和存貯大量輸入-輸出模式映射關(guān)系，而無需事先了解描述這種映射關(guān)系的數(shù)學方程。只要能提供足夠多的樣本模式對供BP網(wǎng)絡進行學習訓練，它便能完成由n維輸入空間到m維輸出空間的非線性映射。10醫(yī)學PPT多層前饋網(wǎng)的主要能力(2)泛化能力 當向網(wǎng)絡輸入訓練時未曾見過的非樣本數(shù)據(jù)時，網(wǎng)絡也能完成由輸入空間向輸出空間的

5、正確映射。這種能力稱為多層前饋網(wǎng)的泛化能力。(3)容錯能力 輸入樣本中帶有較大的誤差甚至個別錯誤對網(wǎng)絡的輸入輸出規(guī)律影響很小。11醫(yī)學PPT誤差曲面與BP算法的局限性 誤差函數(shù)的可調(diào)整參數(shù)的個數(shù)nw等于各層權(quán)值數(shù)加上閾值數(shù)，即： 誤差E是nw+1維空間中一個形狀極為復雜的曲面，該曲面上的每個點的“高度”對應于一個誤差值，每個點的坐標向量對應著nw個權(quán)值，因此稱這樣的空間為誤差的權(quán)空間。12醫(yī)學PPT誤差曲面的分布BP算法的局限性曲面的分布特點-算法的局限性(1)存在平坦區(qū)域-誤差下降緩慢，影響收斂速度(2)存在多個極小點-易陷入局部最小點 13醫(yī)學PPT曲面分布特點1：存在平坦區(qū)域平坦誤差的梯

6、度變化小 接近于零14醫(yī)學PPT存在平坦區(qū)域的原因分析 接近于零的情況分析造成平坦區(qū)的原因： 各節(jié)點的凈輸入過大對應著誤差的某個谷點 平坦區(qū) 15醫(yī)學PPT曲面分布特點2：存在多個極小點 誤差梯度為零多數(shù)極小點都是局部極小，即使是全局極小往往也不是唯一的。單權(quán)值雙權(quán)值16醫(yī)學PPT曲面分布特點2：存在多個極小點BP算法以誤差梯度下降為權(quán)值調(diào)整原則誤差曲面的這一特點使之無法辨別極小點的性質(zhì)導致的結(jié)果：因而訓練經(jīng)常陷入某個局部極小點而不能自拔，從而使訓練無法收斂于給定誤差。17醫(yī)學PPT標準BP算法的改進引言誤差曲面的形狀固有的算法的作用是什么？調(diào)整權(quán)值，找到最優(yōu)點那么如何更好地調(diào)整權(quán)值？利用算法

7、使得權(quán)值在更新的過程中，走合適的路徑，比如跳出平坦區(qū)來提高收斂速度，跳出局部最小點等等如何操作？需要在進入平坦區(qū)或局部最小點時進行一些判斷，通過改變某些參數(shù)來使得權(quán)值的調(diào)整更為合理。18醫(yī)學PPT標準的BP算法內(nèi)在的缺陷： 易形成局部極小而得不到全局最優(yōu)； 訓練次數(shù)多使得學習效率低，收斂速度慢； 隱節(jié)點的選取缺乏理論指導； 訓練時學習新樣本有遺忘舊樣本的趨勢。 針對上述問題，國內(nèi)外已提出不少有效的改進算法，下面僅介紹其中3種較常用的方法。19醫(yī)學PPT3.5 標準BP算法的改進改進1 ：增加動量項改進2：自適應調(diào)節(jié)學習率改進3： 引入陡度因子20醫(yī)學PPT改進1 ：增加動量項提出的原因：標準B

8、P算法只按t時刻誤差的梯度降方向調(diào)整，而沒有考慮t時刻以前的梯度方向從而常使訓練過程發(fā)生振蕩，收斂緩慢。方法：為動量系數(shù)，一般有(0，1)21醫(yī)學PPT實質(zhì)：從前一次權(quán)值調(diào)整量中取出一部分迭加到本次權(quán)值調(diào)整量中作用：動量項反映了以前積累的調(diào)整經(jīng)驗，對于t時刻的調(diào)整起阻尼作用。當誤差曲面出現(xiàn)驟然起伏時，可減小振蕩趨勢，提高訓練速度。改進1 ：增加動量項22醫(yī)學PPT改進2：自適應調(diào)節(jié)學習率提出的原因：標準BP算法中，學習率也稱為步長，確定一個從始至終都合適的最佳學習率很難。平坦區(qū)域內(nèi)，太小會使訓練次數(shù)增加；在誤差變化劇烈的區(qū)域，太大會因調(diào)整量過大而跨過較窄的“坑凹”處，使訓練出現(xiàn)振蕩，反而使迭代

9、次數(shù)增加。23醫(yī)學PPT改進2：自適應調(diào)節(jié)學習率基本思想：自適應改變學習率，使其根據(jù)環(huán)境變化增大或減小?；痉椒ǎ涸O一初始學習率，若經(jīng)過一批次權(quán)值調(diào)整后使總誤差，則本次調(diào)整無效，且=(1 )。24醫(yī)學PPT改進3： 引入陡度因子提出的原因：誤差曲面上存在著平坦區(qū)域。權(quán)值調(diào)整進入平坦區(qū)的原因是神經(jīng)元輸出進入了轉(zhuǎn)移函數(shù)的飽和區(qū)?；舅枷耄喝绻谡{(diào)整進入平坦區(qū)后，設法壓縮神經(jīng)元的凈輸入，使其輸出退出轉(zhuǎn)移函數(shù)的不飽和區(qū)，就可以改變誤差函數(shù)的形狀，從而使調(diào)整脫離平坦區(qū)。25醫(yī)學PPT改進3： 引入陡度因子基本方法：在原轉(zhuǎn)移函數(shù)中引入一個陡度因子當發(fā)現(xiàn)E接近零而d-o仍較大時，可判斷已進入平坦區(qū)，此時令1

10、；當退出平坦區(qū)后，再令=1。26醫(yī)學PPT改進3： 引入陡度因子 作用分析：1 ：net坐標壓縮了倍，神經(jīng)元的轉(zhuǎn)移函數(shù)曲線的敏感區(qū)段變長，從而可使絕對值較大的net退出飽和值。=1：轉(zhuǎn)移函數(shù)恢復原狀，對絕對值較小的net具有較高的靈敏度。應用結(jié)果表明該方法對于提高BP算法的收斂速度十分有效。27醫(yī)學PPT基于BP算法的多層前饋網(wǎng)絡模型BP算法的實現(xiàn)基本思想推導過程程序?qū)崿F(xiàn)BP學習算法的功能BP學習算法的局限性BP學習算法的改進總 結(jié)28醫(yī)學PPT3.6 BP網(wǎng)絡設計基礎一 、訓練樣本集的準備1.輸入輸出量的選擇2.輸入量的提取與表示3.輸出量的表示二、輸入輸出數(shù)據(jù)的歸一化三、網(wǎng)絡訓練與測試29

11、醫(yī)學PPT1 輸出量的選擇 輸出量:代表系統(tǒng)要實現(xiàn)的功能目標系統(tǒng)的性能指標分類問題的類別歸屬非線性函數(shù)的函數(shù)值一 、訓練樣本集的準備30醫(yī)學PPT輸入量的選擇輸入量選擇的兩條基本原則必須選擇那些對輸出影響大且能夠檢測或提取的變量各輸入變量之間互不相關(guān)或相關(guān)性很小一 、訓練樣本集的準備31醫(yī)學PPT輸入輸出量的性質(zhì)從輸入、輸出量的性質(zhì)來看，可分為兩類：一類是數(shù)值變量，一類是語言變量。數(shù)值變量的值是數(shù)值確定的連續(xù)量或離散量。語言變量是用自然語言表示的概念，其“語言值”是用自然語言表示的事物的各種屬性。當選用語言變量作為網(wǎng)絡的輸入或輸出變量時，需將其語言值轉(zhuǎn)換為離散的數(shù)值量。一 、訓練樣本集的準備3

12、2醫(yī)學PPT2. 輸入量的提取與表示XC=(111100111)T XI=(111100111)T XT=(111100111)T(1)文字符號輸入一 、訓練樣本集的準備33醫(yī)學PPT（2）曲線輸入p=1,2,P一 、訓練樣本集的準備34醫(yī)學PPT(3)函數(shù)自變量輸入一般有幾個輸入量就設幾個分量，1個輸入分量對應1個輸入層節(jié)點。(4)圖象輸入在這類應用中，一般先根據(jù)識別的具體目的從圖象中提取一些有用的特征參數(shù)，再根據(jù)這些參數(shù)對輸入的貢獻進行篩選，這種特征提取屬于圖象處理的范疇。一 、訓練樣本集的準備35醫(yī)學PPT3. 輸出量的表示(1)“n中取1”表示法 “n中取1”是令輸出向量的分量數(shù)等于類

13、別數(shù)，輸入樣本被判為哪一類，對應的輸出分量取1，其余 n-1 個分量全取0。例如，用 0001、0010、0100 和 1000可分別表示優(yōu)、良、中、差4個類別。(2)“n-1”表示法 如果用n-1個全為0的輸出向量表示某個類別，則可以節(jié)省一個輸出節(jié)點。例如，用000、001、010和100也可表示優(yōu)、良、中、差4個類別。(3)數(shù)值表示法 對于漸進式的分類，可以將語言值轉(zhuǎn)化為二值之間的數(shù)值表示。數(shù)值的選擇要注意保持由小到大的漸進關(guān)系，并要根據(jù)實際意義拉開距離。一 、訓練樣本集的準備36醫(yī)學PPT二、輸入輸出數(shù)據(jù)的歸一化 歸一化也稱為或標準化，是指通過變換處理將網(wǎng)絡的輸入、輸出數(shù)據(jù)限制在0，1或

14、-1，1區(qū)間內(nèi)。 進行歸一化的主要原因： 歸一化的方法：37醫(yī)學PPT進行歸一化的主要原因：網(wǎng)絡的各個輸入數(shù)據(jù)常常具有不同的物理意義和不同的量綱，歸一化給各輸入分量以同等重要的地位；BP網(wǎng)的神經(jīng)元均采用Sigmoid轉(zhuǎn)移函數(shù)，變換后可防止因凈輸入的絕對值過大而使神經(jīng)元輸出飽和，繼而使權(quán)值調(diào)整進入誤差曲面的平坦區(qū)；Sigmoid轉(zhuǎn)移函數(shù)的輸出在01或-11之間。教師信號如不進行歸一化處理，勢必使數(shù)值大的輸出分量絕對誤差大，數(shù)值小的輸出分量絕對誤差小。二、輸入輸出數(shù)據(jù)的歸一化38醫(yī)學PPT歸一化的方法：將輸入輸出數(shù)據(jù)變換為0，1區(qū)間的值常用以下變換式其中，xI代表輸入或輸出數(shù)據(jù)，xmin代表數(shù)據(jù)變

15、化的最小值，xman代表數(shù)據(jù)的最大值。將輸入輸出數(shù)據(jù)變換為-1，1區(qū)間的值常用以下變換式其中，xmid代表數(shù)據(jù)變化范圍中間值。二、輸入輸出數(shù)據(jù)的歸一化39醫(yī)學PPT三、網(wǎng)絡訓練與測試 網(wǎng)絡的性能好壞主要看其是否具有很好的泛化能力，對泛化能力的測試不能用訓練集的數(shù)據(jù)進行，而要用訓練集以外的測試數(shù)據(jù)來進行檢驗。三、網(wǎng)絡訓練與測試40醫(yī)學PPT 在隱節(jié)點數(shù)一定的情況下，為獲得好的泛化能力，存在著一個最佳訓練次數(shù)。三、網(wǎng)絡訓練與測試三、網(wǎng)絡訓練與測試41醫(yī)學PPT MATLAB是一個功能十分強大的工程計算及數(shù)值分析軟件在20世紀70年代末期，線性代數(shù)領域頗有名望的Cleve Moler博士利用Fort

16、ran語言、基于特征值計算的軟件包EISPACK和線性代數(shù)軟件包LINPACK，開發(fā)了集命令、解釋、科學計算于一身的交互式軟件MATLAB.1983年，工程師John Little接觸到Matlab并深受其影響，于是與Cleve Moler、Stev Bangert合作用C開發(fā)了第二代Matlab專業(yè)版，增加了數(shù)據(jù)可視化功能。1984年MathWorks公司成立，MATLAB被推向市場，經(jīng)過多年發(fā)展，在數(shù)值性軟件市場占據(jù)了主導地位，已經(jīng)發(fā)展成為多學科多種工作平臺的功能強大的工程計算及數(shù)值分析軟件軟件，被譽為“巨人肩上的工具” MATLAB基礎2.1 MATLAB概述 一、MATLAB的發(fā)展歷程

17、和影響力42醫(yī)學PPTMATLAB 即 Matrix Laboratory（矩陣實驗室），主要用于矩陣運算，具有豐富的矩陣運算函數(shù)，使之在求解諸如信號處理、系統(tǒng)識別、自動控制、非線性系統(tǒng)、模糊控制、優(yōu)化技術(shù)等、神經(jīng)網(wǎng)絡、小波分析等領域的問題時，顯得簡捷、高效、方便。有大量事先定義的數(shù)學函數(shù)，并且有很強的用戶自定義函數(shù)的能力；有強大的繪圖功能，可方便地輸出復雜的二維、三維圖圖形；能與其它語言編寫的程序結(jié)合，具有輸入輸出格式化數(shù)據(jù)的能力；有在多個應用領域解決難題的工具箱；Simulink是一個基于圖形界面的動態(tài)系統(tǒng)建模與仿真工具；具有符號運算能力。 二、MATLAB的主要特點43醫(yī)學PPT三、MA

18、TLAB 界面簡介 變量瀏覽器歷史命令記錄窗MATLAB 工作窗 當前目路sumlink快捷按鈕1、MATLAB 的主界面44醫(yī)學PPT2、MATLAB 的程序編輯器45醫(yī)學PPT學習 MATLAB什么是 MATLAB?MATLAB 能干什么?掌握 MATLAB 應用實例46醫(yī)學PPT什么是 MATLAB?1 .MATLAB 代表MATrix LABoratory它的首創(chuàng)者是美國新墨西哥大學計算機系的系主任Cleve Moler博士，他在教授線性代數(shù)課程發(fā)現(xiàn)其他語言很不方便，篇構(gòu)思開發(fā)了MATLAB。最初采用FORTRAN語言編寫，20世紀80年代后出現(xiàn)了MATLAB的第二版，全部采用C語言編

19、寫.1984年Moler博士和一批數(shù)學家及軟件專家創(chuàng)建了MathWorks公司，專門開發(fā)MATLAB。1993年出現(xiàn)了微機版，到2003年是6.5版47醫(yī)學PPT2 .一種演草紙式的科學計算語言3 .MATLAB 是一高性能的技術(shù)計算語言. 強大的數(shù)值計算和工程運算功能符號計算功能強大的科學數(shù)據(jù)可視化能力 多種工具箱 48醫(yī)學PPTMATLAB 能干什么？MATLAB可以進行：數(shù)學計算、算法開發(fā)、數(shù)據(jù)采集建模、仿真、原型 數(shù)據(jù)分析、開發(fā)和可視化科學和工程圖形應用程序的開發(fā)，包括圖形用戶界面的創(chuàng)建。MATLAB廣泛應用于：數(shù)值計算、圖形處理、符號運算、數(shù)學建模、系統(tǒng)辨識、小波分析、實時控制、動態(tài)

20、仿真等領域。49醫(yī)學PPTMATLAB開發(fā)環(huán)境：進行應用研究開發(fā)的交互式平臺MATLAB 數(shù)學與運算函數(shù)庫：用于科學計算的函數(shù)MATLAB 語言：進行應用開發(fā)的編程工具圖形化開發(fā)：二維、三維圖形開發(fā)的工具應用程序接口 (API)：用于與其他預言混編面向?qū)ｉT領域的工具箱：小波工具箱、神經(jīng)網(wǎng)絡工具箱、信號處理工具箱、圖像處理工具箱、模糊邏輯工具箱、優(yōu)化工具箱、魯棒控制工具箱等幾十個不同應用的工具箱。MATLAB的構(gòu)成50醫(yī)學PPT開發(fā)環(huán)境 包括：命令窗口、圖形窗口、編輯窗口、幫助窗口51醫(yī)學PPTThe MATLAB Language MATLAB 語言的特點Matlab的基本數(shù)據(jù)單元是不需指定維

21、數(shù)的矩陣。Matlab的所有計算都是通過雙精度進行的，在內(nèi)存中的數(shù)都是雙精度的。double 是一個雙精度浮點數(shù)，每個存儲的雙精度數(shù)用64位。char用于存儲字符，每個存儲的字符用16位。 52醫(yī)學PPT程序M文件與m函數(shù)圖形顯示流程控制其它輸出函數(shù)語句變量各種運算符MATLAB的程序構(gòu)成：53醫(yī)學PPT常變量及其命名規(guī)則變量名可以有數(shù)字、字母、下劃線構(gòu)成；變量的首字符必須是字母；區(qū)分變量名的大小寫每個變量名最長只能包含19個字符。54醫(yī)學PPTMatlab中預定義變量Ans 分配最新計算表達式的值，這個表達式并沒有給定一個名字Eps 返回機器精度Realmax 返回計算機能處理的最大浮點數(shù)R

22、ealmin 返回計算機能處理的最小的非零浮點數(shù)Pi ,3.14159265Inf 定義為1/0 。當出現(xiàn)被零除時，Matlab就返回inf，并不中斷執(zhí)行而繼續(xù)計算NaN 定義為“Not a Number”，這個非數(shù)值要么是類型，要么是inf/inf55醫(yī)學PPT向量的創(chuàng)建在matlab的命令窗口鍵入以下字符 a = 1 2 3 4 5 6 9 8 7 a = 1 2 3 4 5 6 9 8 7 希望得到元素從0到20，步距為2的一個向量，只需鍵入以下命令即可 t = 0:2:20 t = 2 4 6 8 10 12 14 16 18 20 56醫(yī)學PPT矩陣的創(chuàng)建 輸入矩陣時每一行元素有分號

23、或者回車鍵分隔。例如： B = 1 2 3 4;5 6 7 8;9 10 11 12 B = 1 2 3 4 5 6 7 8 9 10 11 1257醫(yī)學PPT各種運算符58醫(yī)學PPTMatlab語言最基本的賦值語句結(jié)構(gòu)為：變量名列表=表達式注1：整個賦值語句以；結(jié)束，則不在屏幕上返回結(jié)果，否則立即返回結(jié)果。注2：多個語句可在同一行，用逗號分開。注3：表達是太長可以用續(xù)行符號語句59醫(yī)學PPT函數(shù) Matlab由包括許多標準函數(shù)，每個函數(shù)都完成某一特定功能的代碼組成。 Matlab也允許用戶編寫自己所需的函數(shù)，其擴展名為.m，其中必須以關(guān)鍵字function開頭.60醫(yī)學PPT流程控制循環(huán)語句

24、 for, while條件轉(zhuǎn)移 if end, if elseif else end開關(guān)語句 switch case注是語句 %中斷語句 break暫停語句 pause回顯語句 echo on/off61醫(yī)學PPT1、for循環(huán)語句基本格式for 循環(huán)變量起始值：步長：終止值 循環(huán)體 end步長缺省值為1，可以在正實數(shù)或負實數(shù)范圍內(nèi)任意指定。對于正數(shù)，循環(huán)變量的值大于終止值時，循環(huán)結(jié)束；對于負數(shù)，循環(huán)變量的值小于終止值時，循環(huán)結(jié)束。循環(huán)結(jié)構(gòu)可以嵌套使用。62醫(yī)學PPT2、while循環(huán)語句基本格式while 表達式 循環(huán)體 end若表達式為真，則執(zhí)行循環(huán)體的內(nèi)容，執(zhí)行后再判斷表達式是否為真，若

25、不為真，則跳出循環(huán)體，向下繼續(xù)執(zhí)行。While循環(huán)和for循環(huán)的區(qū)別在于，while循環(huán)結(jié)構(gòu)的循環(huán)體被執(zhí)行的次數(shù)不是確定的，而for結(jié)構(gòu)中循環(huán)體的執(zhí)行次數(shù)是確定的。63醫(yī)學PPT3、if，else，elseif語句（1）if 邏輯表達式 執(zhí)行語句 end（2）if 邏輯表達式 （3） if 邏輯表達式1 執(zhí)行語句1 執(zhí)行語句1 else elseif 邏輯表達式2 執(zhí)行語句2 執(zhí)行語句2 end end 64醫(yī)學PPT4、switch語句 switch 表達式（可以是標量或字符串） case 值1 語句1 case 值2 語句2 . otherwise 語句3 end 65醫(yī)學PPTMATLA

26、B程序的基本組成結(jié)構(gòu)說明清除命令：清除workspace中的變量和圖形（clear,close）定義變量：包括全局變量的聲明及參數(shù)值的設定逐行執(zhí)行命令：指MATLAB提供的運算指令或工具箱 提供的專用命令控制循環(huán) ： 包含for,if then,switch,while等語句 逐行執(zhí)行命令 end繪圖命令：將運算結(jié)果繪制出來當然更復雜程序還需要調(diào)用子程序，或與simulink以及其他應用程序結(jié)合起來。66醫(yī)學PPT2、程序M文件以.m格式進行存取，包含一連串的MATLAB指令和必要的注解。需要在工作空間中創(chuàng)建并獲取變量，也就是說處理的數(shù)據(jù)為命令窗口中的數(shù)據(jù)，沒有輸入?yún)?shù)，也不會返回參數(shù)。程序運

27、行時只需在工作空間中鍵入其名稱即可。MATLAB的程序類型MATLAB的程序類型有三種，一種是在命令窗口下執(zhí)行的腳本M文件；另外一種是可以存取的M文件，也即程序文件；最后一種是函數(shù)（function）文件。1、腳本M文件在命令窗口中輸入并執(zhí)行，它所用的變量都要在工作空間中獲取，不需要輸入輸出參數(shù)的調(diào)用，退出MATLAB后就釋放了。67醫(yī)學PPT（1）函數(shù)定義行（關(guān)鍵字function）functionout1,out2,. = filename(in1,in2,.)輸入和輸出（返回）的參數(shù)個數(shù)分別由nargin和nargout兩個MATLAB保留的變量來給出。（2）第一行幫助行，即H1行以（%

28、）開頭，作為lookfor指令搜索的行（3）函數(shù)體說明及有關(guān)注解以（%）開頭，用以說明函數(shù)的作用及有關(guān)內(nèi)容（4）函數(shù)體語句函數(shù)體內(nèi)使用的除返回和輸入變量這些在function語句中直接引用的變量以外的所有變量都是局部變量，即在該函數(shù)返回之后，這些變量會自動在MATLAB的工作空間中清除掉。如果希望這些中間變量成為在整個程序中都起作用的變量，則可以將它們設置為全局變量。 3、函數(shù)文件 與在命令窗口中輸入命令一樣，函數(shù)接受輸入?yún)?shù)，然后執(zhí)行并輸出結(jié)果。用help命令可以顯示它的注釋說明。68醫(yī)學PPTGraphicsMATLAB提供了豐富的繪圖功能help graph2d可得到所有畫二維圖形的命令

29、help graph3d可得到所有畫三維圖形的命令69醫(yī)學PPT1、基本的繪圖命令plot（x1,y1,option1,x2,y2,option2,）x1,y1給出的數(shù)據(jù)分別為x,y軸坐標值，option1為選項參數(shù)，以逐點連折線的方式繪制1個二維圖形；同時類似地繪制第二個二維圖形。這是plot命令的完全格式，在實際應用中可以根據(jù)需要進行簡化。比如：plot(x,y)；plot(x,y,option)選項參數(shù)option定義了圖形曲線的顏色、線型及標示符號，它由一對單引號括起來。70醫(yī)學PPT2、選擇圖像 figure（1）；figure（2）；figure(n) 打開不同的圖形窗口，以便繪制

30、不同的圖形。3、grid on：在所畫出的圖形坐標中加入柵格 grid off：除去圖形坐標中的柵格4、hold on：把當前圖形保持在屏幕上不變，同時 允許在這個坐標內(nèi)繪制另外一個圖形。 hold off：使新圖覆蓋舊的圖形5、設定軸的范圍 axis（xmin xmax ymin ymax） axis(equal)：將x坐標軸和y坐標軸的單位刻度大小調(diào)整為一樣。71醫(yī)學PPT6、文字標示text(x,y,字符串)在圖形的指定坐標位置(x,y)處，標示單引號括起來的字符串。title(字符串)在所畫圖形的最上端顯示說明該圖形標題的字符串。xlabel(字符串)，ylabel(字符串)設置x，y

31、坐標軸的名稱。輸入特殊的文字需要用反斜杠（）開頭。7、legend(字符串1,字符串2,字符串n)在屏幕上開啟一個小視窗，然后依據(jù)繪圖命令的先后次序，用對應的字符串區(qū)分圖形上的線。 72醫(yī)學PPT8、subplot（m，n，k）：分割圖形顯示窗口m:上下分割個數(shù)，n:左右分割個數(shù)，k:子圖編號9、semilogx：繪制以x軸為對數(shù)坐標（以10為底），y軸為線性坐標的半對數(shù)坐標圖形。 semilogy：繪制以y軸為對數(shù)坐標（以10為底），x軸為線性坐標的半對數(shù)坐標圖形。10、了解應用型繪圖指令：可用于數(shù)值統(tǒng)計分析或離散數(shù)據(jù)處理bar（x,y）；hist（y,x）stairs（x,y）；stem（

32、x,y）73醫(yī)學PPT三維的繪圖命令基本與二維的相同，稍有差別，不再詳述。74醫(yī)學PPTExamples繪圖實例函數(shù)分析矩陣運算線性方程組曲線擬合微分方程75醫(yī)學PPT繪圖實例76醫(yī)學PPT函數(shù)分析fplot(func,-1 1.5) %作圖result = func(0) %求函數(shù)值xsolve = fzero(func,3) %求解Xmin = fminbnd(func,0.5,1)%求最小值77醫(yī)學PPT矩陣運算A = 1 2 3 ; 4 5 6 ; 7 8 9;B = 1 2 3 ; 4 5 6;C = 1 0 1 ; 0 2 3 ; 4 5 0;expC = exp(C)expM =

33、 expm(C)logM = logm(expM)detA = det(A)traceA = trace(A)BT = BinvA = inv(A)rankA = rank(A)EigenVectors,EigenValues = eig(A)78醫(yī)學PPT線性方程組與特征值A = 3 1 -1 ; 1 2 4 ; -1 4 5 ;b = 3.6 ; 2.1 ; -1.4 ;X = AbEigenVectors,EigenValues = eig(A)79醫(yī)學PPT曲線擬合%一次多項是擬合%已知離散點x = 1 1.5 3 4 5 6 6.5 7 8;y = 1.2 1 1.7 2.5 2 2

34、.3 2.5 3 3.1;%最小二乘擬合p1 = polyfit(x,y,1);y1 = polyval(p1,x);plot(x,y1);hold onplot(x,y,ro)grid on%7次多項是擬合%已知離散點x = 1 1.5 3 4 5 6 6.5 7 8;y = 1.2 1 1.7 2.5 2 2.3 2.5 3 3.1;%最小二乘擬合p7 = polyfit(x,y,7);xi = 1:0.25:8;yi = polyval(p7,xi);plot(x,y,*r,xi,yi);grid on80醫(yī)學PPT微分方程Van der Pol Equation81醫(yī)學PPT標準形式改

35、寫82醫(yī)學PPT程序?qū)崿F(xiàn)function dydt = DifferentialCoe(t,y)dydt = y(2);(1-y(1)2)*y(2)-y(1);83醫(yī)學PPT感知器的神經(jīng)網(wǎng)絡工具箱1 感知器的創(chuàng)建感知器生成函數(shù) newp 用于創(chuàng)建一個感知器網(wǎng)絡net=newpnet=newp(pr,s,tf,lf)其中：net-函數(shù)返回值，表示生成的感知器網(wǎng)絡 pr-一個RX2 的矩陣，由R組輸入向量的最大值和最小值組成； s-神經(jīng)原數(shù)； tf-感知器的傳遞函數(shù);可選參數(shù)為hardlim,hardlims lf-感知器的學習函數(shù)，可選參數(shù)為learnp,learmpn84醫(yī)學PPT網(wǎng)絡初始化n

36、et=newp(-2 5;-5 +2,1);wts=net.IW1,1wts=0 0 bias=net.b1bias=0net.IW1,1=3,4;Net.b1=5;再輸入net=init(net) 可將網(wǎng)絡權(quán)值和閾值重新初始化為085醫(yī)學PPT感知器實例分析p1=2 2;t1=0; p2=1 -2;t2=1;p3=-2 2;t3=0; p2=-1 1;t4=1;net=newp(-2 2;-2 +2,1)p=2;2;t=0;net,traniParam.epochs=1;net=train(net,p,t)w=net.IW1,1w=-2 -2b=net.b1b=-1訓練兩個輸入和一個神經(jīng)元的

37、感知器net=newp(-2 2;-2 +2,1)net,traniParam.epochs=1;p=2;2 1;-2 -2 2 -1;1;t=0 1 0 1;net=train(net,p,t)w=net.IW1,1w=-3 -1b=net.b1b=0a=sim(net p)a=0 0 1 186醫(yī)學PPT感知器訓練net=newp(-2 2;-2 +2,1)net,traniParam.epochs=10;p=2 2;1 -2;-2 2;-1 1;t=0 1 0 1;net=train(net,p,t)w=net.IW1,1w=-2 -3b=net.b1b=1a=sim(net p)a=0

38、 1 0 187醫(yī)學PPT88醫(yī)學PPT89醫(yī)學PPTclcclear;P=0 0 0.62 0 0 0 0; 0.3915 0.4741 0.77 0.5 0.5 1 0.3158; 0.2835 0.5402 0.68 0 0.5 1 0.3158; 0.6210 1.0 0.63 1 0.5 1 1.0; 0.4158 0.4183 0.67 0.5 0 1 0.7368; 0.2160 0.4948 0.71 0 0 1 0.2632; 0.999 0.0383 0.75 0.5 1 1 0.9474; 0.5805 0.4925 0.71 0 0 0 0.3684; 0.0810 0

39、.0692 0.76 0 0 0 0.0526; 0.3915 0.123 0.98 0.5 0 0 0.8974; 0.0270 0.0742 0.62 0 0 0 0.2105; 0.1755 0.3667 0.77 0 0.5 1 0.7368; 0.4320 0.3790 0.68 0.5 0 1 0.2632;T=0 0.5313 0.5938 0.9375 0.4375 0.5 1.0 0.3750 0.3125 0.6563 0.1875 0.4062 0.4375;net=newff(minmax(P),12,1,logsig,purelin);net.trainParam.e

40、pochs=200;net=train(net,P,T);Y=sim(net,P)T-YPP=0.4995 0.4347 0.63 0 0 1 0.6842; 0.6885 0.5842 0.67 0.5 0.5 1 0.4211; 0.5400 0.8038 0.71 0.5 0.5 1 0.5789; 0.1620 0.2565 0.75 0 0 1 0.4737;Ysim=sim(net,PP)Tsim=0.5938 0.6250 0.7187 0.3750Ysim-TsimBP網(wǎng)絡預測地震MATLAB程序90醫(yī)學PPT基于BP網(wǎng)絡的地震預測91醫(yī)學PPT 由四個過程組成：輸入模式由輸入

41、層經(jīng)隱含層向輸出層的“模式順傳播” 過程，網(wǎng)絡的希望輸出與實際輸出之差的誤差信號由輸出層向輸入層逐層修正連接權(quán)的“誤差逆?zhèn)鞑ァ边^程，由“模式順傳播”與“誤差逆?zhèn)鞑ァ钡姆磸徒惶孢M行的網(wǎng)絡“記憶訓練” 過程，網(wǎng)絡趨向收斂即網(wǎng)絡的全局誤差趨向極小值的“學習收斂”過程。歸結(jié)起來為，“模式順傳播”“誤差逆?zhèn)鞑ァ薄坝洃浻柧殹?“學習收斂”過程。BP 網(wǎng)絡的學習92醫(yī)學PPT (1)網(wǎng)絡實質(zhì)上實現(xiàn)了一個從輸入到輸出的映射功能，而數(shù)學理論已證明它具有實現(xiàn)任何復雜非線性映射的功能。這使得它特別適合于求解內(nèi)部機制復雜的問題； (2)網(wǎng)絡能通過學習帶正確答案的實例集自動提取“合理的”求解規(guī)則，即具有自學習能力； (

42、3)網(wǎng)絡具有一定的推廣、概括能力。BP網(wǎng)絡的優(yōu)點93醫(yī)學PPT 地震預測是地理問題研究領域中的一個重要課題，準確的地震預測可以幫助人們即使采取有效措施，降低人員傷亡和經(jīng)濟損失。引發(fā)地震的相關(guān)性因素很多，其產(chǎn)生機理的復雜性、孕育過程的非線性和認識問題的困難性使得人們很難建立較完善的物理理論模型。對有關(guān)物理參數(shù)加以精確的描述，只能借助一些觀測到的相關(guān)現(xiàn)象進行分析、總結(jié)和推理。二背景描述94醫(yī)學PPT 傳統(tǒng)的非線性系統(tǒng)辨識在理論研究和實際應用方面都存在著極大的困難，而網(wǎng)絡具有通過學習逼近任意非線性影射的能力， 將網(wǎng)絡應用于非線性系統(tǒng)的建模與辨識，可以不受非線性模型的限制，易于實現(xiàn)學習算法。網(wǎng)絡在非線

43、性系統(tǒng)的預測方面有著廣泛的應用。相對于傳統(tǒng)的預測方法，神經(jīng)網(wǎng)絡在處理這方面問題中有著獨特的優(yōu)勢。三、問題的提出95醫(yī)學PPT 以我國西南某地震常發(fā)地區(qū)的地震資料作為樣本來源，實現(xiàn)基于神經(jīng)網(wǎng)絡的地震預測。根據(jù)這些地震資料，提取出7個預測因子和實際發(fā)生的震級M作為輸入和目標向量。預測因子為：（1）半年內(nèi)M大于等于3的地震累計頻度；（2）半年內(nèi)能量釋放積累值；（3）b值；（4）異常地震帶個數(shù)；（5）地震條帶個數(shù)；（6）是否處于活動期內(nèi)；（7）相關(guān)地震區(qū)地震震級。四、實際應用96醫(yī)學PPT一共收集10個學習樣本，如表1所示地震累計頻度累計釋放能量b值異常地震群個數(shù)地震條帶個數(shù)活動周期相關(guān)區(qū)震級實際震級000.62000000.39150.47410.770.50.510.31580.53130.28350.54020.6800.510.31580.59380.62101.00000.6310.511.00000.93750.415841830.670.5010.73680.43750.21600.49480.710010.26320.50000.99900.03830.750.5110.94741.00000.58050.49250.710000.36840.37500.08100.06920.760000.05260.31250.39150.12300.98