您的位置：网站首页上的大量文档
nbspnbsp高等教育nbspnbsp实验设计
【推荐】人工神经网络实验报告(含MATLAB代码).doc11页
此文档已全部下载。 全文可以免费在线阅读后下载。
下载提示
1 .本站不保证该用户上传文档的完整性，不预览，对内容不直接下载引起的反感问题本站不予受理。
2 .本文档收入(下载内容预览3 )归上传者、原创者。
3 .登录即可充值，立即自动返回金币，图表吉鲁方便
人工神经网络实验报告
这个学期，我们学习了关于人工神经网络的东西。 在学习过程中，你对什么是神经网络、神经网络发展史、神经网络的特点和功能、神经网络应用领域等多方面的知识都有所了解。 从最初对人工神经网络的初步理解到最后模型的建立，我们对人工神经网络的认识不断加深。 神经网络作为自动控制与智能控制专业的重要分支之一，掌握其相关的基础知识对今后的学习有很大的帮助。
在具体的人工神经网络中，主要学习了单层感知器、标准BP网络、改进型BP网络、自组织竞争神经网络以及离散Hopfield网络，即DHNN网络。 其中，我们重点学习了标准型BP网络。 在以后的编程训练中，我们也以标准BP网络为模型，设计了一个比较简单的实用型编程问题。
接下来，谈谈具体的学习情况。
在学习的过程中，我们首先学会了什么是人工神经网络。 这是一个非线性动力学系统，其特点是信息的分布式存储和并行协作。 虽然每个神经元的结构极其简单，功能有限，但由多个神经元组成的网络系统所能实现的行为却极为丰富多彩。 神经网络的研究内容相当广泛，反映了多学科交叉技术领域的特点。 目前，主要研究集中在(1)生物原型研究)。 从生理学、心理学、解剖学、病理学等生物科学方面研究神经细胞、神经网络、神经系统的生物原型结构及其功能机制。 )2)建立理论模型。 在生物样机研究的基础上，建立神经元、神经网络的理论模型。 其中包括概念模型、知识模型、物理化学模型、数学模型等。 )3)网络模型和算法的研究。 在理论模型研究的基础上建立具体的神经网络模型，实现计算机仿真，或准备制作硬件，包括网络学习算法的研究。 这方面的工作也称为技术模式研究。 )4)人工神经网络应用系统。 在网络模型和算法研究的基础上，利用人工神经网络实现实际应用系统：BP(backpropagation )神经网络及其前身传感器、自适应线性单元和标准BP算法我们首先认识到前馈神经网络是神经网络中典型的层次结构，信息从输入层进入网络，逐层向前传递到输出层。 前馈网络中的神经元转移函数、隐层数和权重调整规则可以形成具有各种功能特征的神经网络。 此外，还学习了探测器和常用算法，同时也认识到了一些算法的不足之处。 这些都是今后神经网络进一步学习的良好基础。
另外，针对谨慎的花卷网络和离散型反馈网络DHNN，也进行了侧重于相关网络模型概念、工作原理、算法实现的学习，但时间有限，学习不太深入。
通过这门课程的学习，我们认识到神经网络技术在各个领域的广泛应用，作为自动化专业的学生，我们应该掌握这门技术，应用于今后的工作中，提高智能控制系统的效率和质量。 神经网络与常用的PID控制、模糊控制等经典算法一样，是一种实用价值较高的工程类技术实现手段。 我们还应该学习模型的建立、优化和训练，以帮助人工神经网络技术更好地服务。
基于神经网络的编程工作：
我们的主题是利用BP网络实现简单的函数模拟等。 输入样本，进行几次训练，教师信号是期望函数的理想输出值。 将每次训练的输出层输出值与理想值进行比较，根据结果根据公式调整隐层权重矩阵和输出层全职矩阵的权重。 进行几次训练，达到预设精度时，停止训练； 如果未达到默认精度，则在达到默认训练次数时自动停止训练。
选择MATLAB进行编程，以便于获取程序的输出图像。 另外，为了简化，我们考虑的是只有一个隐藏层的标准BP网络，但是由于我们自身的能力和时间限制，我们没有改进BP算法，最后的运算结果可能会有很大的偏差，请老师谅解。
以下是程序代码。
主函数(main.m ) :
清除全部
ngdmp=1:0.1:5； %样本输入值
input=1； %输入层节点
output=1； %输出层节点
英城街道墅=5； %隐藏层节点数
徐连驰=1500； %最大培训次数
京都=0.001； %预设精度
xuexilv=0.005； %学习率
焦世新号
=ngdmp.^(-1);%期望输出函数bphanshu(ngdmp,jiaoshixinhao,xunliancishu,input,yingchengjiedianshu,output,jingdu,xuexilv);
bphanshu(ngdmp,jiaoshixinhao,2000,2,6,output,0.005,0.02); %更改训练次数、输入层节点数、隐层节点数、预设精度、学习率等参数
jiaoshixinhao=exp(-ngdmp);%更改期望输出函数
bphanshu(ngdmp,jiaoshixinhao,xunliancishu,input
发表评论
请自觉遵守互联网相关的政策法规，严禁发布色情、暴力、反动的言论。
用户名:
验证码:
匿名?
发表评论