智能控制课程设计报告书

《智能控制》课程设计报告
题目：采用BP网络进行模式识别院系：
专业：
姓名：
学号：
指导老师：
日期：年月日
目录
1、课程设计的目的和要求 (3)
2、问题描述 (3)
3、源程序 (3)
4、运行结果 (6)
5、总结 (7)
课程设计的目的和要求
目的：1、通过本次课程设计进一步了解BP网络模式识别的基本原理，掌握BP网络的学习算法
2、熟悉matlab语言在智能控制中的运用，并提高学生有关智能控制系统的程序设计能力
要求：充分理解设计内容，并独立完成实验和课程设计报告
问题描述
采用BP网络进行模式识别。

训练样本为3对两输入单输出样本，见表7-3。

是采用BP网络对训练样本进行训练，并针对一组实际样本进行测试。

用于测试的3组样本输入分别为1,0.1；0.5,0.5和
0.1,0.1。

输入输出
1 0 1
0 0 0
0 1 -1
表7-3 训练样本
说明：该BP网络可看做2-6-1结构，设权值wij，wjl的初始值取【-1，+1】之间的随机值，学习参数η=0.5，α=0.05.取网络训练的最终指标E=10^（-20），在仿真程序中用w1,w2代表wij，wjl，用Iout代表
x＇ｊ。

源程序
%网络训练程序
clear all;
close all;
xite=0.50;
alfa=0.05;
w2=rands(6,1);
w2_1=w2;w2_2=w2;
w1=rands(2,6);
w1_1=w1;w1_2=w1; dw1=0*w1;
I=[0,0,0,0,0,0]'; Iout=[0,0,0,0,0,0]'; FI=[0,0,0,0,0,0]';
k=0;
E=1.0;
NS=3;
while E>=1e-020 k=k+1;
times(k)=k;
for s=1:1:NS
xs=[1,0;
0,0;
0,1];
ys=[1,0,-1]';
x=xs(s,:);
for j=1:1:6
I(j)=x*w1(:,j);
Iout(j)=1/(1+exp(-I(j))); end
y1=w2'*Iout;
el=0;
y=ys(s,:);
el=el+0.5*(y(1)-y1(1))^2; es(s)=el;
E=0;
if s==NS
for s=1:1:NS
E=E+es(s);
end
end
ey=y-y1;
w2=w2_1+xite*Iout*ey+alfa*(w2_1-w2_2);
for j=1:1:6
S=1/(1+exp(-I(j)));
FI(j)=S*(1-S);
end
for i=1:1:2
for j=1:1:6
dw1(i,j)=xite*FI(j)*x(i)*ey(1)*w2(j,1) end
end
w1=w1_1+dw1+alfa*(w1_1-w1_2);
w1_2=w1_1;w1_1=w1;
w2_2=w2_1;w2_1=w2;
end
Ek(k)=E;
end
figure(1);
plot(times,Ek,'r');
xlabel('k');ylabel('E');
save wfile w1 w2;
%网络训练程序
clear all;
load wfile w1 w2;
x=[1,0.1;
0.5,0.5;
0.1,1];
for i=1:1:3
for j=1:1:6
I(i,j)=x(i,:)*w1(:,j);
Iout(i,j)=1/(1+exp(-I(i,j)));
end
end
y=w2'*Iout';
y=y'
运行结果
样本训练的收敛过程
W1的值
W2的值
输入输出
1 0.1 0.9159
0.5 0.5 0.0087
0.1 1 -0.9190
测试样本及结果
总结
本次课程设计对我们来说还是存在一定的难度的，毕竟在这之前一直就没有做过课程设计，对BP网络识别理论感到生疏，另外对matlab软件也并不熟悉，属于现学现用的那种，但这却激发着我们对知识的渴望，不断地上网查资料，一遍又一遍的翻着书本，不断地探索着BP网络模式识别的原理，反复地研读着书本上的例题，让我们原本望而止步的事情终究是在我们的努力之下完成了！通过本次课程设计，进一步了解了神经网络自学习、自组织和并行处理等特征，体会到了它强大的模式识别能力，熟悉了BP神经网络的学习算法，同时也体验了matlab软件在智能控制系统应用中强悍的数据
.专业.专注.
处理能力！当然，在本次侧成设计中，由于程序相对于我们以前接触的来说比较长，所以在设计及程序输入时都要特别细心，不过好在matlab软件中只要已输入一些比较明显的错误它都能立刻做出提示！
. word可编辑.。