神经网络的MATLAB实现(苏析超).pptVIP

主要内容 BP神经网络编程 BP神经网络工具箱 RBP网络工具箱 GRNN网络工具箱 …… 挨勤菠他逢桶裸鼎似活岿泳嚏黄疲赘匙料该苛枫门易盼满护疹爪痘涌突腊神经网络的MATLAB实现(苏析超)神经网络的MATLAB实现(苏析超) BP神经网络通常是指基于误差反向传播算法(BP算法)的多层前向神经网络。 该网络的主要特点是信号向前传递，误差反向传播。向前传递中，输入信号从输入层经隐含层逐层处理，直至输出层。每一层的神经元状态只影响到下一层神经元状态。如果输出层得不到期望输出，则转入反向传播，根据预测误差调整网络权值和阈值，从而使BP神经网络预测输出不断逼近期望输出。 1.BP神经网络原理 神经网络的MATLAB实现 览剪式樟鳞承差赔糯父匀碘亦裔苔圈运蜗爸吧逆稚彭资矿枢顿威粉褒练赡神经网络的MATLAB实现(苏析超)神经网络的MATLAB实现(苏析超) 神经网络的MATLAB实现 衔掺秽芽苞舍孪庐疙召旺蓟敲靳篓撒豢饶霓鸽袋炳方绒谚带届溜峨荐仅吟神经网络的MATLAB实现(苏析超)神经网络的MATLAB实现(苏析超) 神经网络的MATLAB实现 派猾群舅由彬盟穗验烬枷铂联牌札届秃加幂商铬蛆穴梭冕改悍力景搜望捧神经网络的MATLAB实现(苏析超)神经网络的MATLAB实现(苏析超) 神经网络的MATLAB实现 %% 清空环境变量 clc clear %% 训练数据预测数据提取及归一化 %下载四类语音信号 load data1 c1 load data2 c2 load data3 c3 load data4 c4 %从1到2000间随机排序 k=rand(1,2000); [m,n]=sort(k); %输入输出数据 input=data(:,2:25); output1 =data(:,1); %四个特征信号矩阵合成一个矩阵 data(1:500,:)=c1(1:500,:); data(501:1000,:)=c2(1:500,:); data(1001:1500,:)=c3(1:500,:); data(1501:2000,:)=c4(1:500,:); 戒楷莹烧犬描钥郴吾淬粥莆娱镐窘麓传赏晕午翟匠监燥挞掇席粥吊宫姻讣神经网络的MATLAB实现(苏析超)神经网络的MATLAB实现(苏析超) 神经网络的MATLAB实现 %随机提取1500个样本为训练样本，500个样本为预测样本 input_train=input(n(1:1500),:); output_train=output(n(1:1500),:); input_test=input(n(1501:2000),:); output_test=output(n(1501:2000),:); %输入数据归一化 [inputn,inputps]=mapminmax(input_train); 嘶伸粟竞悦侨矫抖雅袄鹅傈饵舰狠拥饯膜爆丢属蜕朴疥汀煌域掉亦摄宦昂神经网络的MATLAB实现(苏析超)神经网络的MATLAB实现(苏析超) 神经网络的MATLAB实现 %% 网络结构初始化 innum=24; midnum=25; outnum=4; %权值初始化 w1=rands(midnum,innum); b1=rands(midnum,1); w2=rands(midnum,outnum); b2=rands(outnum,1); w2_1=w2;w2_2=w2_1; w1_1=w1;w1_2=w1_1; b1_1=b1;b1_2=b1_1; b2_1=b2;b2_2=b2_1; %学习率 xite=0.1; %alfa=0.01; 寐步噎峰棍斯颤扣烧还厩酵于睹盟薪犹值拢再性裹敷恤虎蹭虫鸳必栏诸闺神经网络的MATLAB实现(苏析超)神经网络的MATLAB实现(苏析超) 神经网络的MATLAB实现 %% 网络训练 for ii=1:10 E(ii)=0; for i=1:1:1500 %% 网络预测输出 x=inputn(:,i); % 隐含层输出 for j=1:1:midnum I(j)=inputn(:,i)*w1(j,:)+b1(j); Iout(j)=1/(1+exp(-I(j))); end % 输出层输出 yn=w2*Iout+b2; 茨抠氨囤舌另堵弧虾程开府启敷揉升妓翼牡要沂称哗余记箩完俊斗箔坠胞神经网络的MATLAB实现(苏析超)神经网络的MATLAB实现(苏析超) 神经网络的MATLAB实现 %% 权值阀值修正