智能控制課程設計 采用 BP 網絡進行模式識別

1、智能控制課程設計報告題目：采用 BP網絡進行模式識別院系：專業(yè)：姓名：學號：指導老師：期：年月日目錄1、 課程設計的目的和要求32、 問題描述33、 源程序34、 運行結果65、 總結7可編輯范本課程設計的目的和要求目的：1、通過本次課程設計進一步了解BP網絡模式識別的基本原理,掌握BP網絡的學習算法2、熟悉matlab語言在智能控制中的運用，并提高學生有關智能控制系統(tǒng)的程序設計能力要求：充分理解設計內容，并獨立完成實驗和課程設計報告問題描述采用BP網絡進行模式識別。訓練樣本為3對兩輸入單輸出樣本，見表7-3。是采用BP網絡對訓練樣本進行訓練，并針對一組實際樣本進行測試。用于測試的3組樣本輸入

2、分別為1,0.1;0.5,0.5和0.1,0.1表7-3訓練樣本說明：該BP網絡可權值wij,wjl的初始值取1-1,+1之間的隨機值，學習參數刀=0.5,行0.05.取網絡訓練的最終指標E=10八（-20）,在仿真程序中用w1,w2代表wij,wjl,用lout代表*j。源程序%網絡訓練程序clearall;closeall;xite=0.50;alfa=0.05;w2=rands(6,1);w2_1=w2;w2_2=w2;w1=rands(2,6);w1_1=w1;w1_2=w1;dw1=0*w1;I=0,0,0,0,0,0'Iout=0,0,0,0,0,0'FI=0,0,

3、0,0,0,0'k=0;E=1.0;NS=3;whileE>=1e-020k=k+1;times(k)=k;fors=1:1:NSxs=1,0;0,0;0,1;ys=1,0,-1'x=xs(s,:);forj=1:1:6I(j)=x*w1(:,j);Iout(j)=1/(1+exp(-I(j);endy1=w2'*Iout;el=0;y=ys(s,:);el=el+0.5*(y-y1(1)42;es(s)=el;E=0;ifs=NSfors=1:1:NSE=E+es(s);endendey=y-y1;w2=w2_1+xite*Iout*ey+alfa*(w2_1-

4、w2_2);forj=1:1:6S=1/(1+exp(-I(j);FI(j)=S*(1-S);endfori=1:1:2forj=1:1:6dw1(i,j)=xite*FI(j)*x(i)*ey(1)*w2(j,1)endendw1=w1_1+dw1+alfa*(w1_1-w1_2);w1_2=w1_1;w1_1=w1;w2_2=w2_1;w2_1=w2;endEk(k)=E;endfigure(1);plot(times,Ek,'r');xlabel('k');ylabel('E');savewfilew1w2;%網絡訓練程序可編輯范本clea

5、rall;loadwfilew1w2;x=1,0.1;0.5,0.5;0.1,1；fo門=1:1:3forj=1:1:6I(i,j)=x(i,:)*w1(:,j);Iout(i,j)=1/(1+exp(-I(i,j);endendy=w2'*Iout'y=y'運行結果樣本訓練的收斂過程1234507311.72B9-0.1291G-0141270.93304-0.37fG2I.59272-1.5S670.73377106790.S4SB3,100740761653456789101112W1的值123457312-1.04333-0.990324013435-C.406

6、6360629687Q91011W2的值輸入輸出10.10.91590.50.50.00870.11-0.9190測試樣本及結果總結本次課程設計對我們來說還是存在一定的難度的，畢竟在這之前一直就沒有做過課程設計，對BP網絡識別理論感到生疏，另外對matlab軟件也并不熟悉，屬于現學現用的那種，但這卻激發(fā)著我們對知識的渴望，不斷地上網查資料，一遍又一遍的翻著書本，不斷地探索著BP網絡模式識別的原理，反復地研讀著書本上的例題，讓我們原本望而止步的事情終究是在我們的努力之下完成了！通過本次課程設計，進一步了解了神經網絡自學習、自組織和并行處理等特征，體會到了它強大的模式識別能力，熟悉了BP神經網絡的學習算法，同時也體驗了matlab軟件在智能控制系統(tǒng)應用中強悍的數據處