(完整word版)神经网络学习算法matlab仿真(word文档良心出品).docx

东南大学自动化学院

智能控制概论

神经网络学习算法研究

学院：

姓名：

学号：

日期：

目录

1任务要求叙述 .....................................................错误！未定义书签。2系统分析及设计原理 .........................................错误！未定义书签。3设计实现 ..............................................................错误！未定义书签。

4 仿真验证 (6)

5讨论与分析 ..........................................................错误！未定义书签。

一．任务要求叙述

（ 1）任务

(a)运行算法，观察和分析现有学习算法的性能；

clear all;close all;

nu=20;pi=3.1415926;

for i=1:nu

p(i)=2*pi*i/nu;

t(i)=0.5*(1+cos(p(i)));

end

minmax=[min(p(:)) max(p(:))]

net = newff([ 0 7],[6 1],{'logsig' 'purelin'},'traingd');% traingd traingdm trainlm

net.trainParam.epochs = 10000;

net.trainParam.goal = 0.0001;

net.trainParam.show=200;

net.trainParam.lr=0.1;

net.trainParam.mc=0.6; %0.9 default value; available for momentum

net = train(net,p,t);

y1 = sim(net,p);

figure(2);

plot(p,t,'*-',p,y1,'r--')

%************** test data ******************

nu2=nu*3/2;

for i=1:(nu2)

p2(i)=2*pi*i/(nu2);

t2(i)=0.5*(1+cos(p2(i)));

end

y2 = sim(net,p2);

figure(3);

plot(t2,'*-');hold on; plot(y2,'r');

xlabel('times');ylabel('outputs');

figure(4);

plot(t2-y2);

xlabel('times');ylabel('error');

(b)为了进一步提高学习逼近效果，可以采取那些措施，调节规律如何？根据所提的每种措

施，修改算法程序，给出仿真效果验证、过程以及相应的曲线图，给出适当的评述；

(c)联系、结合前向神经网络的算法样本学习、测试等过程，谈谈本人对神经网络系统的一

些认识和看法。

（ 2）要求

提交完整的报告，包括：封面( 题目、个人学号姓名等信息)、目录、任务要求叙述、系

统分析及设计原理(包括神经网络学习过程的原理图及文字分析)、完整的设计实现过程(包括

神经网络结构、参数等选择与实现、计算、原理过程等)、仿真验证 (算法流程图、实现手段

介绍、系统参数选择、曲线图、结合调参对响应曲线的影响给出必要的分析)、讨论与分析，

总字数要求在2000 以上。

二．系统分析及设计原理

（ 1）神经网络的学习算法

学习过程实质上是针对一组给定的输入x p ( p 1,2, N ) 使网络产生相应的期望输出的过程。总的来说，神经网络的学习算法分为两大类：有导师学习和无导师学习。

输入信号 X网络输出 Y

网络输出 Y 神经网络输入信号 X

神经网络

期望输出T

距离计算

图 1：有导师指导神经网络学习方式图 2 无导师指导神经网络学习方式

由上图可见，所谓有导师学习就是在训练过程中，始终存在一个期望的网络输出。期望输出和实际输出之间的距离作为误差度量并用于调整权值。而无导师学习指的是网络不存在

一个期望的输出，因而没有直接的误差信息，因此，为实现对网络的训练，徐建立一个简洁

的评价函数，以对网络的某种行为取向做出评价。

（ 2）多层传播网络的学习算法

给定 N 组样本( X 1, T1 ; X 2 ,T2 ; X p , T p ; ) 。这里 X i为 n i维输入矢量， T i为 n o维期望的输出矢量， i1,2 P ,.假设矢量 y 和 o 分别表示网络的输出层和隐含层的输出

矢量。则训练过程为：

(1) 选0 ， E m ax作为最大容许误差，并将权系数W l , l ,l 1,2, L, 初始化成某

一小的随机权矩阵。

p 1, E0

(2)训练开始

O p(1)X p ,T T p

n r

按照 O pj(r 1)r 1 ( w r jl1o pl r j r 1 ), r0,1,2L 1 计算出各隐含层神经元的

i 1

n L 1

尽力输出，按照

y

pj

L (Net pj L

)

L (

w L ji o pi L 1

j

L

), L 1,2 n o 计算出各输

i 1

出层神经元的激励输出。

(3) 计算误差 E (t k y k )2 / 2

E,k

1,2

n o

(4) 按公式

L

E p E p

y pj (t

pj

Net pj L

y

pj

Net pj L

r E p E p

o r pj

(

pj

Net pj r

o r

pj Net pj r

(

(o r pk 1 w kj r 1 ) r (Net pj r ))

k

pj

y pj ) L ( Net L pj )

(

E p Net pk r 1 ) r ( Net pj r )) k

Net pk r 1 o pj r

计算出

pj

L

, pj r

(5) 调整权阵系数 r

rr 1

r

r

w ji pj , o

pj j pj

(6) 若 p P , pp 1，跳转到（ 2），否则跳转到（ 7）

(7) 若 E

E max ,结束，否则 p 1, E 0，跳转到（ 2）。

三．设计实现

（ 1）神经网络的结构（ BP 算法的神经网络结构）

下图是一个多层传播结构。即在输入层和输出层之间嵌入一层或多层隐含层的网络结

构。隐含层单元既可以与叔叔出单元相连也可以与其他隐含层单元相连。

隐含层单元与输入

单元之间通过突触权系数 w ij 1 连接，并可用矩阵 w 1 表示全部关系。 隐含层单元与输出单元之间通过突触权系数 w ij 21连接，全部关系可用矩阵 w 2 表示。

图 3：神经网络结构图