神经网络 Matlab课件.ppt

* hold on; plot(X,Y); hold off; legend({目标,输出}) * 其中“+”点为样本数据点，从中可以看出，应用径向基函数网络进行函数逼近非常成功。 4.6 问题讨论 广义回归神经网络 (Generalized regression neural networks , 简称GRNN)，用来实现函数逼近。 概率神经网络 (Probabilistic neural networks , 简称PNN)，主要用于模式分类的问题研究。 * 实例. 利用神经网络实现数据拟合（赤潮预报的人工神经网络方法 ） 1. 何为赤潮？ 赤潮，是在一定环境条件下，海水中某些浮游植物、原生动物或细菌在 短时间内突发性增殖或高度聚集而引起海水变色、发臭并造成危害的现象， 它是当今全球主要海洋灾害之一。赤潮是一个历史沿用名，它不一定都是红 色，实际上是许多赤潮的统称。赤潮发生的原因、种类、数量的不同，水体 会呈现不同的颜色，有红颜色或砖红颜色、绿色、黄色、棕色等。 1999年5月15日上海外滩赤潮 1999年7月16日辽东湾夜光虫赤潮 * 2. 赤潮的成因与危害 赤潮是一种复杂的生态异常现象，发生的原因比较复杂。主要有以下几个方面 1. 海水富营养化是赤潮发生的物质基础和首要条件 2. 水文气象和海水理化因子的变化是引发赤潮重要原因 3. 海水养殖的自身污染亦是诱发赤潮的因素之一 赤潮对海洋生态平衡的破坏：影响水体的酸碱度和光照度，赤潮生物毒素使海洋动物生理失调或死亡等等； 赤潮对人类健康和生命的威胁：主要指有毒赤潮产生的生物毒素通过食物链的传递导致人类的中毒甚至死亡； 赤潮给经济发展带来巨大的经济损失 。 * 2007年5，6月份无锡太湖蓝藻事件的爆发，又一次给我国水安全敲响警钟。对无锡蓝藻事件的爆发，环保部门认为既有自然因素，也有人为因素。左图为无锡太湖蓝藻爆发的情景；右图为由于蓝藻造成的太湖鱼大量死亡。 * 建立模型（四层前向神经网络） 3. 求解 * 训练图 * 预测图 * * 4). 网络测试 y2 = sim(net,p); plot(p,t,p,y1,p,y2); title(训练后的网络输出结果); xlabel(时间); ylabel(仿真输出); * 5). 讨论 改变非线性函数的频率和BP网络隐层神经元的数目，对于函数逼近的效果有一定的影响。网络非线性程度越高，对于BP网络的要求越高，则相同的网络逼近效果要差一些；隐层神经元的数目对于网络逼近效果也有一定影响，一般来说，隐层神经元数目越多，则BP网络逼近非线性函数的能力越强，而同时网络训练所用的时间相对来说要长一些。 (1) 频率参数设为k=2，隐层神经元数目仍为n=10，结果如下面各图所示： * * * (2) 频率参数设为k=1，隐层神经元数目改为n=5，结果如下面各图所示： * * 实例3：模式识别 计算机模式识别是近年来发展起来的技术。如利用机器来识别银行的签字，那么工作人员就能在相同的时间里做更多的工作，既节省了时间，又节约了人力物力资源。下面介绍在模式识别中应用BP网络的简单实例。 1). 问题提出 设计一个网络并训练它来识别字母表中的26个字母，数字成像系统对每个字母进行数字分析将其变成数字信号。下图(左) 显示的就是字母A的网格图。但是，这只是理想图像系统得到的结果。实际情况总会存在一些噪声干扰，或者存在一些非线性因素，实际得到的字母网格图如下图(右) 所示。 要求设计网络，不仅能够对理想输入向量进行很好的分类，也能够准确识别含有误差的输入向量。 * 字母A的网格图 有噪声字母A的网格图 * 本例中，26个字母均被定义成输入向量，每个代表字母的输入向量均有35(5x7)个元素，这样就组成了一个输入向量矩阵alphabet。期望输出向量被定义成一个变量targets，期望输出向量含有26个元素，字母在字母表中所占位置处元素为1，其他位置为0。例如，因为字母A在字母表中是第一个字母，所以其期望输出向量为(1，0，…，0) * 2). 网络建立 根据上面提出的设计要求，输入向量具有35个元素，网络输出就是反映字母所在位置的具有26个元素的输出向量。如果网络正确，那么输入一个字母，网络就能输出一个向量，它对应位置的元素值为1，其他位置的元素值为0。 另外，网络还必须具有容错能力。因为实际情况下，网络不可能接收到一个理想的布尔向量作为输入。当噪声均值为0，标