matlab与nnt使用範例

《matlab与nnt使用範例》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第六章Matlab與NNT使用範例6.1平行輸入及循序輸入之模擬6.2步進學習(Incrementallearning)及批次學習(Batchlearning)6.3FIR濾波器及newlin的關係6.4頻率變動偵測(Frequencyvariationdetection)6.1平行輸入及循序輸入之模擬平行輸入(Concurrentinputs)是指有許多組的輸入送至類神經網路，它的順序不重要。可以看成有這麼多組相同的類神經網路，而每一組輸入加在每一組類神經網路上。循序輸入(Sequentialinputs)則與

2、時間有關，第三組一定發生在第二組之後，它們的順序不可任意對調，因此像是在火車站買票的人們，先來先買；插隊或自行對調，可能造成其後面或其中有些人因而買不到票(原來可以的)。不按原輸入順序送入則輸出的結果因之而變。另外兩個要說明的名詞一為動態網路(Dynamicnetworks)、一為靜態網路(Staticnetworks)。所謂動態網路是指網路中包含有回授或有遲元件者，相反地兩者皆無的網路稱為靜態網路。平行輸入只能用在靜態網路，因為輸入的順序並不重要，但對動態網路，輸入前後關係影響很大，輸出完全大不相同。因此平行

3、輸入加在動態網路上，要特別注意，並且用Cellarray表示才正確。6.1平行輸入及循序輸入之模擬平行輸入的範例如下：>>P=randn(2,4)%產生四組平行輸入(用一般矩陣表示，如[243.5])。P=-0.43260.1253-1.14651.1892-1.66560.28771.1909-0.0376>>net=newlin(minmax(P),1);%產生2-1的ADALINE>>net.IW{1,1}=[12];net.b{1}=0.5;%設定某組W及b>>A=sim(net,P)%模擬NN得輸出A=

4、-3.26371.20071.73541.6139>>Q=[P(:,3)P(:,1:2)P(:,4)]%把第三組往前調Q=-1.1465-0.43260.12531.18921.1909-1.66560.2877-0.0376>>A=sim(net,Q)%輸出結果相對應往前調A=1.7354-3.26371.20071.61396.1平行輸入及循序輸入之模擬其次看看如何模擬循序輸入(用Cell表示，如{2,4,-3.5})：如果NN中含有延遲輸入則輸入的秩序變成後重要如：>>P={12345}%定義P為cella

5、rrayP=[1][2][3][4][5]>>net=newlin([15],1,[01]);%[15]為P中的最小值的最大值，newlin要知道輸入最小、最大值。再下來的1表示輸出層的神經元數目為1。[01]表示有遲輸入，如果沒有任何延遲則應寫為[0]，也可以省畧；如果有一個延遲則應寫成[01]，若原信號為u[k]，那[01]表示除了u[k]外也有u[k-1]一起做輸入，如圖6.1-1所示。如果有兩個輸入延遲一併使用則寫為[012]，可視為輸入有0延遲即u[k]、1遲u[k-1]、2延遲u[k-2]共三輸入

6、，其架構如圖6.1-2。如果輸入信號的維度為2，其架構会是圖6.1-3型式，此時之W應為1×4的Array(Why?)。6.1平行輸入及循序輸入之模擬6.1平行輸入及循序輸入之模擬6.1平行輸入及循序輸入之模擬6.1平行輸入及循序輸入之模擬%把所有偏壓b的連線打開如下>>net.biasConnect=0;>>net.IW{1,1}=[12];%設定W>>A=sim(net,P)%NN結果也用cellarray表示A=[1][4][7][10][13]>>Q={13245}%把2,3的次序對調Q=[1][3][2

7、][4][5]>>A=sim(net,Q)%哇！與上面的結果不一樣A=[1][5][8][8][13]>>P=[1:5]%如果P用一般陣列(Array)表示P=12345>>A=sim(net,P)%完全不靈光A=12345相信你要處理循序輸入時，用cellarray表示！6.1平行輸入及循序輸入之模擬更進一步說，如果有兩組不同的輸入P及Q，是否可寫成一組cellarray以進行模擬？>>P={12345}P=[1][2][3][4][5]>>Q={13245}Q=[1][3][2][4][5]%可以！把它們集合

8、在新的cellarray中叫做R，定義如下>>R={[11][23][32][44][55]}R=%它的表示法有點笨[1x2double][1x2double][1x2double][1x2double][1x2double]6.1平行輸入及循序輸入之模擬%這麼寫>>R{:}ans=11%第一組ans=23%第二組ans=32%第三組ans=44%第四組ans=55%第五