资源描述：
《用matlab语言仿真设计人工神经网络》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13卷总第49期广东广播电视大学学报2004年第1期Vol.13SumNo.49JOURNALOFGUANGDONGRADIO&TVUNIVERSITYNo.1.2004用MATLAB语言仿真设计人工神经网络高兴培(茂名广播电视大学,广东茂名,525000)=摘要>MATLAB(MatrixLaboratory,即/矩阵实验室0)是当今世界上最优秀的数值计算软件。本文用MAT-LAB中神经网络工具箱(NeuralNetworkToolbox)提供的函数仿真设计一个三层前向网络。=关键词>MATLAB;人工神经网络;前向网络;设计;仿真=中图分类号>TP389.1=文献
2、标识码>B=文章编号>1008-9764(2004)01-0045-04样,是一个简单的信号处理单元,它接受来自其他许多神经元的输出作为输入,而产生一个输出,并一、MATLAB简介可输入到其他神经元。神经元的不同的连接方式MATLAB程序设计语言是美国Mathworks公司就构成了不同的ANN模型。常用的有多层前向20世纪80年代中期推出的高性能数值计算软件。网络模型、Adaline模型、Hopfield网络模型、Koho-Mathworks公司经过十几年的开发扩充与不断完nen自组织映照模型等等。但不管模型如何,ANN善,使MATLAB已经发展成为适合多学科功能强大都
3、有一些共同的固有特点:特全的大型系统软件。MATLAB具有强大的计算¥并行处理性功能;丰富方便的图形功能;适用范围大;编程效率¦分布式的存贮方式高,扩充能力强;语句简单,易学易用;功能齐备的§具有很强的容错性和联想性自动控制软件工具包等优点。特别是当今控制界¨具有很强的学习功能的很多权威专家,在各自从事的控制领域里开发了©强鲁棒性和强适应性具有特殊功能的软件工具箱,使得MATLAB从一个三、三层前向网络仿真设计数值运算软件成为自动控制计算与仿真的强有力工具。在MATLAB的控制箱里,软件内容丰富,系Å前向网络(FeedforwardNetworks)统门类齐全,已覆盖了
4、控制系统的各个领域,每一前向网络是指信息向前逐层连接,而没有向个工具箱都是当今世界上该控制领域里的最权威、后或反馈连接的人工神经网络。对三层(只包含最顶尖的计算与仿真程序软件。输入层、隐含层、输出层)前向网络,理论上已证明:当隐含层的神经元激活函数采用S形函数,而二、人工神经元网络的特点且隐含层的神经元个数足够多时,通过调整网络人工神经元网络(ArtificialNeuralNetworks简的加权系数和阈值,该网络可以逼近任意的非线写为ANN)是根据大脑神经元电化学活动抽象出性函数。来的一种多层网络结构。ANN是由众多的人工Æ样本对象神经元连接而成的。人工神经元像生物
5、神经元一现假设有一非线性对象,其输入输出关系可=收稿日期>2003-15-05=作者简介>高兴培(1967-),广东茂名人,茂名广播电视大学讲师。46广东广播电视大学学报(第13卷总49期)2004年3月20日用(1-0)方程描述:式(1-3)中w1、w2、b1、b2是训练好的网络参22y=(x1(2x2-1)x4+1.2x3)/(1+x1+x2)+数,f1、f2与(1-1)式相同,p是输入向量或输入矩cos(0.5x1x3)(1-0)阵,a是网络的输出向量或输出矩阵。ÇMATLAB神经网络工具箱函数简介È程序设计initff现用一个三层前向网络来模拟样本方程式(1in
6、itff是前向网络(至多三层)初始化函数,使-0),输入层由4个神经元组成,隐含层由N个神用格式是:经元组成,输出层只有一个神经元。如图1所示。[w1,b1,w2,b2]=initff(p,s1,f1,s2,f2)或[w1,b1,w2,b2]=initff(p,s1,f1,t,f2)(1-1)式(1-1)中w1是隐含层神经元与输入层神经元之间的连接权重系数矩阵,w2是输出层神经元与隐含层神经元之间的连接权重系数矩阵;b1是隐含层神经元的阈值矩阵,b2是输出层神经元的阈值矩阵;p为输入样本矩阵,t为输出样本矩阵;s1为隐含层神经元个数,s2为输出层神经元个数;f1、f2是
7、隐含层和输出层的激活函数形式,其中线性函数用/purelin0表示,tan型s函数用/tansig0表示,log型函数用/logsig0表示。运行initff函数,系统能自动根据给定的p、s1、f1、s2(或t)、f2值对w1、b1、w2、b2赋一个初始图1网络结构值。网络训练程序trainlmcleartrainlm是利用反向演播(BP算法)训练前向nntwarnoff网络函数,使用格式是:fori=1:M[w1,b1,w2,b2,ep,tr]=trainlm(w1,b1,f1,w2,x1(i)=3*rand-1.5;b2,f2,p,t
