神经网络matlb.docVIP

计算机MATLAB神经网络 工具箱 1 MATLAB神经网络工具箱函数 2 MATLAB神经网络工具箱的图形用户界面 3 基于Simulink的神经网络模块 4 神经网络在系统预测和故障诊断中的应用 本章将介绍MATLAB神经网络工具箱的应用。在MATLAB神经网络工具箱中提供了丰富的演示实例，用MATLAB语言构造了典型神经网络的激活函数，编写了各种网络设计与训练的子程序，网络的设计者可以根据自己的需要去调用工具箱中有关神经网络的设计训练程序，使自己能够从繁琐的编程中解脱出来。 MATLAB神经网络工具箱提供了许多进行神经网络设计和分析的工具函数，这些函数的MATLAB实现，使得设计者对所选定网络进行计算的过程，转变为对函数的调用和参数的选择，这给用户带来了极大的方便，即使不了解算法的本质，也可以直接应用功能丰富的函数来实现自己的目的。有关这些工具函数的使用可以通过help命令得到，本章将对这些函数的功能、调用格式，以及使用方法做详细的介绍。 随着MATLAB软件的版本提高，其对应的神经网络工具箱的内容越来越丰富，它包括了很多现有的神经网络的新成果，涉及的网络模型有，感知机网络、线性神经网络、BP神经网络、径向基神经网络、自组织神经网络、学习向量量化神经网络、Elman神经网络、Hopfield神经网络、自适应滤波和控制系统网络等。1.1 神经网络工具箱中的通用函数 MATLAB神经网络工具箱中提供的函数主要分为两大部分。一部分函数是通用的，这些函数几乎可以用于所有类型的神经网络，如神经网络的初始化函数init( )、训练函数train( )和仿真函数sim( )等；另一部分函数则是特别针对某一种类型的神经网络的，如对感知机神经网络进行建立的函数simup( )等。本功能。 函数名 功 能 init( ) 初始化一个神经网络 initlay( ) 层-层结构神经网络的初始化函数 initwb( ) 神经网络某一层的权值和偏值初始化函数 initzero( ) 将权值设置为零的初始化函数 train( ) 神经网络训练函数 adapt( ) 神经网络自适应训练函数 sim( ) 神经网络仿真函数 dotprod( ) 权值点积函数 normprod( ) 规范点积权值函数 netsum( ) 输入求和函数 netprod( ) 网络输入的积函数 concur( ) 结构一致函数 1. 初始化神经网络函数init( ) 利用初始化神经网络函数init( )可以对一个已存在的神经网络进行初始化修正，该网络的权值和偏值是按照网络初始化函数来进行修正的。其调用格式为： net=init(NET) 2. 神经网络某一层的初始化函数initlay( ) 初始化函数initlay( )特别适用于层-层结构神经网络的初始化，该网络的权值和偏值是按照网络初始化函数来进行修正的。其调用格式为： net=initlay(NET) 3. 神经网络某一层的权值和偏值初始化函数initwb( ) 利用初始化函数initwb( )可以对一个已存在的神经网络的NET某一层i的权值和偏值进行初始化修正，该网络对每层的权值和偏值是按照设定的每层的初始化函数来进行修正的。其调用格式为： net=initwb(NET,i) 4. 神经网络训练函数train( ) 利用train( ) 函数可以训练一个神经网络。网络训练函数是一种通用的学习函数，训练函数重复地把一组输入向量应用到一个网络上，每次都更新网络，直到达到了某种准则。停止准则可能是最大的学习步数、最小的误差梯度或者是误差目标等，调用格式为： [net,tr,Y,E,Xf,Af]=train(NET,X,T,Xi,Ai) 5. 网络自适应训练函数adapt( ) 另一种通用的训练函数是自适应函数adapt( )。自适应函数在每一个输入时间阶段更新网络时仿真网络，而这在进行下一个输入的仿真前完成，其调用格式为： [net,Y,E,Xf,Af,tr]= adapt(NET,X,T,Xi,Ai) 6. 网络仿真函数sim( ) 神经网络一旦训练完成，网络的权值和偏值就已经确定了。于是就可以使用它来解决实际问题了。利用sim( ) 函数可以仿真一个神经网络的性能。其调用格式为： [Y,Xf,Af,E,perf]=sim(net,X,Xi,Ai,T) 或 [Y,Xf,Af,E,perf]=sim(net,{Q Ts},Xi,Ai) 7. 权值点积函数dotprod( ) 网络输入向量与权值的点积