BP神經網络课件及其MATLAB实现.pptVIP

神 经 网 络;神经网络浅尝;神经网络基础知识;医学：疾病识别 图像：识别、去噪、增强、配准、融合 金融：股票和有价证券的预测分析、资本收益的预测和分析、风险管理、信用评估等等;神经网络结构图;;神经元结构模型;传递函数;神经网络的互连模式;有反馈的前向神经网络：;;;BP神经网络;;;;思路： 1、触角长和翼长作为输入信息，分别记为x1,x2。 目标输出：(0,1) 、(1,0)。 Af类记为 (1,0)，Apf类记为(0,1)。;;权值求法：向后传播法 理想输出 Af类(1,0)，Apf类(0,1)记为 { Tis} 则有误差：;梯度下降法;传递函数(激活函数) logsig(S型函数)：;图形如下：;tansig(双曲正切S型传递函数)：;newff 创建一个BP网络，其调用格式为：;train 用于对神经网络进行训练。调用格式为： [net,tr,Y,E,Pf,Af]=train(NET,P,T,Pi,Ai) 其中， NET：待训练的神经网络； P：网络的输入信号； T：网络的目标，默认值为0； Pi：初???的输入延迟，默认为0； Ai：初始的层次延迟，默认为0； net：函数返回值，训练后的神经网络； tr：函数返回值，训练记录(包括步数和性能)； Y：函数返回值，神经网络的输出信号； E：函数返回值，神经网络的误差； Pf：函数返回值，最终输入延迟； Af：函数返回值，最终层延迟。;神经网络仿真函数sim 调用格式为： [Y,Pf,Af,E,perf]=sim(net,P,Pi,Ai,T) 其中， Y：函数返回值，网络输出； Pf：函数返回值，最终输出延迟； Af：函数返回值，最终的层延迟； E：函数返回值，网络误差； perf：函数返回值，网络性能； net：待仿真的神经网络； P：网络输入； Pi：初始输入延迟，默认为0； Ai：初始的层延迟，默认为0； T：网络目标，默认为0.;clear p1=[1.24,1.27;1.36,1.74;1.38,1.64;1.38,1.82;1.38,1.90; 1.40,1.70;1.48,1.82;1.54,1.82;1.56,2.08]; p2=[1.14,1.82;1.18,1.96;1.20,1.86;1.26,2.00 1.28,2.00;1.30,1.96]; p=[p1;p2]; pr=minmax(p); goal=[ones(1,9),zeros(1,6);zeros(1,9),ones(1,6)]; plot(p1(:,1),p1(:,2),h,p2(:,1),p2(:,2),o) net=newff(pr,[3,2],{logsig,logsig}); net = train(net,p,goal); x=[1.24 1.80;1.28 1.84;1.40 2.04]; y0=sim(net,p) y=sim(net,x);Thanks !