實驗五BP神經網絡的構建與使用(一).doc

人工神經網絡實驗五BP神經網絡的構建與使用（一） 一、 實驗目的1、熟悉MATLAB中神經網絡工具箱的使用方法；2、掌握BP神經網絡的特性和應用范圍；3、掌握使用BP神經網絡解決實際問題的方法；二、 實驗內容：在第四次實驗中，試圖用線性神經網絡求解函數逼近問題，從實驗的結果可以看到未能達到預期的效果，下面使用BP神經網絡來求解函數逼近問題：1、 有21組單輸入矢量和相對應的目標矢量，參考書神經網絡實驗教程P36的示例程序，試設計一個BP神經網絡來實現這對數組的函數關系。BP神經網絡的部分參數輸入與目標數據如下：BP神經網絡參數：隱含層神經元個數為5個，設置BP神經網絡的最大訓練次數為1000。提示：正確選擇輸入層到隱含層、隱含層到輸出層的激活函數，tansig的定義域為負無窮到正無窮，值域為-1到1，logsig的定義域為負無窮到正無窮，值域為0到1；為觀察訓練后神經網絡的效果，可以利用sim()函數（參見書P22）和plot()函數（參見書P15）在同坐標中畫出輸入數據和期望目標數據、測試數據和測試數據輸出的圖形輸入數據：P=-1:0.1:1期望目標數據：T=-0.96、0.577、 -0.0729、 0.377、0.641、0.66、0.461、0.1336 、0.201、-0.434、-0.5、-0.393、-0.1647、0.0988、0.3072、 0.396、0.3449、0.1816、-0.0312、-0.2183、-0.3201（注意：為了清楚的表示數據，我在數據間加了逗號，同學們在MATLAB中使用進請將逗號改為空格）截圖：代碼：P=-1:0.1:1;T=-0.96 0.577 -0.0729 0.377 0.641 0.66 0.461 0.1336 0.201 -0.434 -0.5 -0.393 -0.1647 0.0988 0.3072 0.396 0.3449 0.1816 -0.0312 -0.2183 -0.3201;%創(chuàng)建一個BP神經網絡，每一個輸入向量的取值范圍為-1 ,1，隱含層有5個神經元，輸出層%有一個神經元，隱含層的激活函數為tansig，輸出層的激活函數為logsig，訓練函數為梯度下%降函數，即2.3.2節(jié)中所描述的標準學習算法net=newff(-1 1,5,1,tansig,tansig,traingd);%可以改變訓練步數為3000、5000、10000來查看網絡的訓練結果net.trainParam.epochs=5000;%目標誤差設為0.01net.trainParam.goal=0.01;%設置學習速率為0.1LP.lr=0.1;net=train(net,P,T);y=sim(net,P);figurehndl1=plot(P,y);%設置線寬為2set(hndl1,linewidth,2);%設置線的顏色為紅色set(hndl1,color,red);hold onhndl2=plot(P,T);set(hndl2,linewidth,2);%設置圖形標題title(BP神經網絡逼近非線性函數的MATLAB實現);%設置圖例legend(BP神經網絡逼近非線性函數,原數據)2、對1中建立的BP神經網絡進行測試，測試數據為：P2=-1:0.025:1 并對測試結果進行分析，3、當最大訓練次數設置為3000、5000、10000時，分析網絡的輸出效果。注：實驗報告中,在實驗內容這部分要畫出你的神經網絡的結構、寫上MATLAB源代碼及運行結果