MATLAB神经网络工具箱 (2).ppt
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_05.gif)
《MATLAB神经网络工具箱 (2).ppt》由会员分享,可在线阅读,更多相关《MATLAB神经网络工具箱 (2).ppt(20页珍藏版)》请在得力文库 - 分享文档赚钱的网站上搜索。
1、MATLAB神经网络工具箱神经元模型Neuron Model:多输入,单输出,带偏置输入:R维列向量权值:R维行向量阀值:标量求和单元传递函数输出常用传递函数aWp-b1-1u阈值函数MATLAB函数:hardlimMATLAB函数:hardlims线性函数uPurelin Transfer Function:anMATLAB函数:purelinSigmoid函数uSigmoid Function:u特性:值域a(0,1)非线性,单调性无限次可微|n|较小时可近似线性函数|n|较大时可近似阈值函数MATLAB函数:logsig(对数),tansig(正切)对数Sigmoid函数正切Sigmoi
2、d函数单层神经网络模型R维输入,S个神经元的单层神经网络模型多层神经网络模型 前馈神经网络u前馈神经网络(feed forward NN):各神经元接受前级输入,并输出到下一级,无反馈,可用一有向无环图表示。u前馈网络通常分为不同的层(layer),第i层的输入只与第i-1层的输出联结。u可见层:输入层(input layer)和输出层(output layer)u隐藏层(hidden layer):中间层感知器u感知器(perceptron):单层网络,传递函数为阀值函数u主要功能是模式分类感知器的生成函数newp用来生成一个感知器神经网络net=newp(pr,s,tf,lf)net:函数
3、返回参数,表示生成的感知器网络 pr:一个R2矩阵,由R维输入向量的每维最小值和最 大值组成 s:神经元的个数 tf:感知器的传递函数,默认为hardlim,可选hardlims lf:感知器的学习函数,默认为learnp,可选learnpnnet=newp(-2,+2;-2,+2,2)%生成一个二维输入,两个神经元的感知器感知器的权值和阀值初始化p newp默认权值和阀值为零(零初始化函数initzero).net=newp(-2,+2;-2,+2,2);W=net.IW1,1%显示网络的权值b=net.b1%显示网络的阀值W=0 00 0b=0 0 p 改变默认初始化函数为随机函数rand
4、snet.inputweights1,1.InitFcn=rands;net.biases1.InitFcn=rands;net=init(net);%重新初始化p 直接初始化定义权值和阀值net.IW1,1=1 2;net.b1=1感知器学习u感知器学习算法权值增量:阀值增量:权值更新:阀值更新:u算法改进输入样本归一化t是导师输出值a是实际输出值权值和阀值训练与学习函数trainnet=train(net,P,T)设计好的感知器并不能马上投入使用.通过样本训练,确定感知器的权值和阀值.输入向量目标向量被训练网络net.tranParam.epochs=10;%预定的最大训练次数为10,感知
5、器经过最多训练10次后停止,adaptnet=adapt(net,P,T)自适应训练函数权值和阀值学习函数learnpdW=learnp(W,P,Z,N,A,T,E,D,gW,gA,LP,LS)dW:权值或阀值的变化矩阵W:权值矩阵或阀值向量P:输入向量T:目标向量E:误差向量其他可以忽略,设为 learnpn归一化学习函数网络仿真函数sima=sim(net,P)输入向量网络输出分类结果显示绘图函数plotpvplotpv(P,T)plotpcplotpc(W,b)画输入向量的图像画分类线 根据给定的样本输入向量P和目标向量T,以及需分类的向量组Q,创建一个感知器,对其进行分类.例:创建一个
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- MATLAB神经网络工具箱 2 MATLAB 神经网络 工具箱
![提示](https://www.deliwenku.com/images/bang_tan.gif)
限制150内