神經(jīng)網(wǎng)絡計算

神經(jīng)網(wǎng)絡計算第一頁，共十四頁，編輯于2023年，星期三概述Elman神經(jīng)網(wǎng)絡由JeffreyL.Elman于1990年提出是一種反饋神經(jīng)網(wǎng)絡具有很強的計算能力Hello,I’mJeffreyL.Elman第二頁，共十四頁，編輯于2023年，星期三2.8.1Elman神經(jīng)網(wǎng)絡結構Elman網(wǎng)絡由4層組成輸入層信號傳輸作用隱含層承接層也稱上下文單元或狀態(tài)層,承接層從隱含層接收反饋信號，用來記憶隱含層神經(jīng)元前一時刻的的輸出值，承接層神經(jīng)元的輸出經(jīng)延遲與存儲，再輸入到隱含層。這樣就使其對歷史數(shù)據(jù)具有敏感性，增加了網(wǎng)絡自身處理動態(tài)信息的能力。輸出層僅起線性加權作用。第三頁，共十四頁，編輯于2023年，星期三2.8.2Elman神經(jīng)網(wǎng)絡學習算法Elman神經(jīng)網(wǎng)絡各層輸入輸出公式如果輸入向量為維向量，輸出向量為維，隱含層輸出向量為維，承接層輸出向量為維，分別為隱含層到輸出層、輸入層到隱含層、承接層到隱含層的連接權值。為輸出神經(jīng)元的激活函數(shù),是隱含層輸出的線性組合。為隱含層神經(jīng)元的激活函數(shù)，為承接層的海派函數(shù)，表示某層的凈輸入，用A表示輸入層，用B表示承接層，表示迭代次序則各層之間的表達式如下圖所示。

第四頁，共十四頁，編輯于2023年，星期三2.8.2Elman神經(jīng)網(wǎng)絡學習算法Outputyr12Inputun1n1m1輸出層用紫色表示隱含層用黃色表示承接層用白色表示第五頁，共十四頁，編輯于2023年，星期三2.8.2Elman神經(jīng)網(wǎng)絡學習算法Elman神經(jīng)網(wǎng)絡學習算法采用BP算法判斷算法是否結束的誤差函數(shù)為：其中為期望輸出Elman神經(jīng)網(wǎng)絡學習算法流程圖

第六頁，共十四頁，編輯于2023年，星期三Elman神經(jīng)網(wǎng)絡學習算法流程圖計算輸出層輸出初始化各層權值輸入樣本值計算輸入層輸出計算誤差函數(shù)更新權值計算承接層輸出計算隱含層輸出第七頁，共十四頁，編輯于2023年，星期三2.8.3Elman神經(jīng)網(wǎng)絡學習算法的MATLAB實現(xiàn)

Elman神經(jīng)網(wǎng)絡的重要函數(shù)和基本功能函數(shù)名功能newelm()生成一個Elman神經(jīng)網(wǎng)絡trains()根據(jù)已設定的權值和閾值對網(wǎng)絡進行順序訓練traingdx()自適應學習速率動量梯度下降反向傳播訓練函數(shù)learngdm()動量梯度下降權值和閾值學習函數(shù)第八頁，共十四頁，編輯于2023年，星期三2.8.3Elman神經(jīng)網(wǎng)絡學習算法的MATLAB實現(xiàn)例2-7下表為某單位辦公室七天上午9點到12點的空調負荷數(shù)據(jù)，數(shù)據(jù)已經(jīng)做了歸一化處理，預測方法采用前6天的數(shù)據(jù)作為網(wǎng)絡的訓練樣本，每3天的負荷作為輸入向量，第4天的負荷作為目標向量，第七天的數(shù)據(jù)作為網(wǎng)絡的測試數(shù)據(jù)。第九頁，共十四頁，編輯于2023年，星期三2.8.3Elman神經(jīng)網(wǎng)絡學習算法的MATLAB實現(xiàn)空調負荷數(shù)據(jù)表時間9時負荷10時負荷11時負荷12時負荷第1天0.44130.47070.69530.8133第2天0.43790.46770.69810.8002第3天0.45170.47250.70060.8201第4天0.45570.47900.70190.8211第5天0.46010.48110.71010.8298第6天0.46120.48450.71880.8312第7天0.46150.48910.72010.8330第十頁，共十四頁，編輯于2023年，星期三2.8.3Elman神經(jīng)網(wǎng)絡學習算法的MATLAB實現(xiàn)例2-7程序第十一頁，共十四頁，編輯于2023年，星期三2.8.3Elman神經(jīng)網(wǎng)絡學習算法的MATLAB實現(xiàn)例2-7誤差曲線第十二頁，共十四頁，編輯于2023年，星期三小結概述Elman神經(jīng)網(wǎng)絡結構Elman神經(jīng)網(wǎng)絡學習算法El