BP及RBP神经网络逼近.doc
文本预览下载声明
《BP及RBP神经网络逼近、药品销售预测、基本遗传算法设计实验》 实 验 指 导 书 雷菊阳编
机械工程学院
2012年6月
实验一、BP及RBP神经网络逼近
一、实验目的
了解MATLAB集成开发环境
了解MATLAB编程基本方法
加深对BP算法的理解和掌握
掌握工具包入口初始化及调用
加深BP、RBP神经网络对任意函数逼近的理解
二、实验内容
1、MATLAB基本指令和语法。
2、BP算法的MATLAB实现
三、实验步骤
熟悉MATLAB开发环境
输入参考程序
设置断点,运行程序,观察运行结果
四、参考程序
1、BP算法的matlab实现程序
%lr为学习步长,err_goal期望误差最小值,max_epoch训练的最大次数,隐层和输出层初值为零
lr=0.05;
err_goal=0.01;
max_epoch=3000;
a=0.9;
Oi=0;
Ok=0;
%两组训练集和目标值
X=[1 1;-1 -1;1 1];
T=[1 1;1 1];
%初始化wki,wij(M为输入节点j的数量;q为隐层节点i的数量;L为输出节点k的数量)
[M,N]=size(X);
q=8;
[L,N]=size(T);
wij=rand(q,M);
wki=rand(L,q);
wij0=zeros(size(wij));
wki0=zeros(size(wki));
for epoch=1:max_epoch
%计算隐层各神经元输出
NETi=wij*X;
for j=1:N
for i=1:q
Oi(i,j)=2/(1+exp(-NETi(i,j)))-1;
end
end
%计算输出层各神经元输出
NETk=wki*Oi;
for i=1:N
for k=1:L
Ok(k,i)=2/(1+exp(-NETk(k,i)))-1;
end
end
%计算误差函数
E=((T-Ok)*(T-Ok))/2;
if (Eerr_goal)
break;
end
%调整输出层加权系数
deltak=Ok.*(1-Ok).*(T-Ok);
w=wki;
wki=wki+lr*deltak*Oi;
wki0=w;
%调整隐层加权系数
deltai=Oi.*(1-Oi).*(deltak*wki);
w=wij;
wij=wij+lr*deltai*X;
wij0=w;
end
epoch %显示计算次数
%根据训练好的wki,wij和给定的输入计算输出
X1=X;
%计算隐层各神经元的输出
NETi=wij*X1;
for j=1:N
for i=1:q
Oi(i,j)=2/(1+exp(-NETi(i,j)))-1;
end
end
%计算输出层各神经元的输出
NETk=wki*Oi;
for i=1:N
for k=1:L
Ok(k,i)=2/(1+exp(-NETk(k,i)))-1;
end
end
Ok %显示网络输出层的输出
2、BP逼近任意函数算法的matlab实现程序
X=-4:0.08:4;
T=1.1*(1-X+2*X.^2).*exp(-X.^2./2);
net=newff(minmax(X),[20,1],{tansig,purelin});
net.trainParam.epochs=15000;
net.trainParam.goal=0.001;
net=train(net,X,T);
X1=-1:0.01:1;
y=sim(net,X1);
figure;
plot(X1,y,-r,X,T,:b,LineWidth,2);
3.RBF能够逼近任意的非线性函数
X=-4:0.08:4;
T=1.1*(1-X+2*X.^2).*exp(-X.^2./2);
net=newrb(X,T,0.002,1);
X1=-1:0.01:1;
y=sim(net,X1);
figure;
plot(X1,y,-r,X,T,:b,LineWidth,3);
五、思考题
1、试设计一个函数并将结果用图画出。
2、假设训练样本X=[1 1;-1 -1;1 1],目标输出T=[1 1;1 1],建立一个输入层3个神经元,单隐层8个神经元,输出层2个神经元的网络结构,其中隐层、输出层神经元的传递函数均为sigmoi
显示全部