神经网络设计及MATLAB仿真实验.docVIP

下载本文档

17
0
约3.33千字
约 8页
2017-09-20 发布于江苏
举报
版权申诉

神经网络设计及MATLAB仿真实验.doc

1、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

昆明理工大学信息工程与自动化学院学生实验报告课程名称：智能控制导论开课实验室：自动化系机房年级、专业、班学号姓名成绩实验项目名称模糊控制系统设计及MATLAB仿真研究指导教师教师评语教师签名：年月日一、实验目的通过上机实习，熟悉MATLAB的基本操作命令和神经网络工具箱的使用，掌握MATLAB编程或神经网络编辑器等方法，进行BP神经网络设计的基本方法和步骤，为以后利用计算机进行神经网络控制系统分析与设计打下良好的基础。二、实验内容试设计BP神经网络来实现正弦函数的逼近。输入矢量 X= -1: 0.1: 1; 相对应的目标矢量三、所用仪器、材料（设备名称、型号、规格等）装有MATLAB的电脑或者个人计算机四、实验方法、步骤 1、方法一：MATLAB程序仿真实现（本次试验采用方法一） 2、方法二：神经网络工具箱实现五、实验过程原始记录(数据、图表、计算等) 1、利用两层BP网络完成函数逼近，隐含层激活函数为S型函数，输出层的激活函数为线性函数（程序）clear all; clc; NNTWARN OFF; X=-1:0.05:1; T=sin(pi*X); plot(X,T,+b); pause 2、建立BP网络，并初始化权值和阈值（程序）[R,N]=size(X); [S2,N]=size(T); S1=5; [w11,b11,w12,b12]=initff(X,S1,tansig,S2,purelin); [y1,y21]=simuff(X,w11,b11,tansig,w12,b12,purelin); （训练前BP网络的函数逼近效果） 3、利用不含噪声的理想输入数据训练网络（程序）disp_freq=5; max_epoch=1000; % 训练次数 err_goal=0.02; % 训练误差 lr=0.01; %学习速率 tp=[disp_freq max_epoch err_goal lr]; [w21,b21,w22,b22,te,tr]=trainbpx(w11,b11,tansig,w12,b12,purelin,X,T,tp); （BP网络训练过程参数显示） TRAINBPX: 0/1000 epochs, lr = 0.01, SSE = 122.631. TRAINBPX: 5/1000 epochs, lr = 0 SSE = 11.7777. TRAINBPX: 10/1000 epochs, lr = 0 SSE = 9.15102. TRAINBPX: 15/1000 epochs, lr = 0 SSE = 6.89626. TRAINBPX: 20/1000 epochs, lr = 0.0117924, SSE = 4.92212. TRAINBPX: 25/1000 epochs, lr = 0.0150505, SSE = 3.47479. TRAINBPX: 30/1000 epochs, lr = 0.0192086, SSE = 2.43021. TRAINBPX: 35/1000 epochs, lr = 0.0245156, SSE = 1.77321. TRAINBPX: 40/1000 epochs, lr = 0.0312888, SSE = 1.41395. TRAINBPX: 45/1000 epochs, lr = 0.0399334, SSE = 1.23208. TRAINBPX: 50/1000 epochs, lr = 0.0509662, SSE = 1.13685. TRAINBPX: 55/1000 epochs, lr = 0.0650472, SSE = 1.03322. TRAINBPX: 60/1000 epochs, lr = 0.0830186, SSE = 0.860574. TRAINBPX: 65/1000 epochs, lr = 0.105955, SSE = 0.651445. TRAINBPX: 70/1000 epochs, lr = 0.135229, SSE = 0.435468. TRAINBPX: 75/1000 epochs, lr = 0.17259, SSE = 0.232097. TRAI