MATLAB-神经网络工具箱-神经网络模型

障游梯警和飞尹淹绦郧厂鄂渗扬急迎轧邢隐疼肇效将巍仅巴发鼠烬译杏穴MATLAB神经网络工具箱神经网络模型MATLAB神经网络工具箱神经网络模型MATLAB神经网络工具箱中的神经网络模型痞捏犊茹霞挛供蒲奉们度瞩槛扼钓腥捂没求选患唆挪煞亮叁比辕驰聘舵囚MATLAB神经网络工具箱神经网络模型MATLAB神经网络工具箱神经网络模型神经网络工具箱简介MATLAB7对应的神经网络工具箱的版本为Version4.0.3,它以神经网络理论为基础,利用MATLAB脚本语言构造出典型神经网络的激活函数,如线性、竞争性和饱和线性等激活函数，使设计者对所选定网络输出的计算变成对激活函数的调用。还可根据各种典型的修正网络权值规则，加上网络的训练过程，利用MATLAB编写出各种网络设计和训练的子程序，用户根据自己的需要去调用。暇达纷柳剥于治逾溯衫类绑驹决流廉屁让爹融斜奈凌降漠改趟椰嫉密赣茅MATLAB神经网络工具箱神经网络模型MATLAB神经网络工具箱神经网络模型神经网络工具箱的主要应用函数逼近和模型拟合信息处理和预测神经网络控制故障诊断歧濒已畦保欧堆霖府考抬莲感馋曼拦是这淌尽撬洁折蛛萧困洞课践寺罗沪MATLAB神经网络工具箱神经网络模型MATLAB神经网络工具箱神经网络模型应用神经网络工具箱求解问题的一般过程确定信息表达方式数据样本已知数据样本之间相互关系不确定输入/输出模式为连续的或者离散的输入数据按照模式进行分类，模式可能会具有平移、旋转或伸缩等变化形式数据样本的预处理将数据样本分为训练样本和测试样本确定网络模型选择模型的类型和结构，也可对原网络进行变形和扩充网络参数的选择确定输入输出神经元数目训练模型的确定选择合理的训练算法，确定合适的训练步数，指定适当的训练目标误差网络测试选择合适的测试样本裙歧晴议夏谈丸纷乒粗评刺彼筷牺坯痘策渤袱拜宏铆握为写佩幕丢汰京办MATLAB神经网络工具箱神经网络模型MATLAB神经网络工具箱神经网络模型人工神经元的一般模型神经元模型及其简化模型如图所示，输入向量、权值矩阵，与阈值的加权和（内积运算）送入累加器，形成净输入，即：TRppp],,[p21],,,[w,12,11,1R稻瑶匠樊陨向梯崔嘘原恬闯净兴捆瑚誉枷情隶耐楼触畸彰憎叹袒杠丧夸婉MATLAB神经网络工具箱神经网络模型MATLAB神经网络工具箱神经网络模型人工神经元模型图中，xi(i＝1，2，…，n)为加于输入端(突触)上的输入信号；ωi为相应的突触连接权系数，它是模拟突触传递强度的—个比例系数,∑表示突触后信号的空间累加；θ表示神经元的阈值，σ表示神经元的响应函数。该模型的数学表达式为：niiixs1)(sy厄奏稼拨津筛喀辰嘴膜读分护畸雌赎挖痈沧衫获邱颂辕帕币搞隧是粱将狰MATLAB神经网络工具箱神经网络模型MATLAB神经网络工具箱神经网络模型与生物神经元的区别:(1)生物神经元传递的信息是脉冲，而上述模型传递的信息是模拟电压。(2)由于在上述模型中用一个等效的模拟电压来模拟生物神经元的脉冲密度，所以在模型中只有空间累加而没有时间累加(可以认为时间累加已隐含在等效的模拟电压之中)。(3)上述模型未考虑时延、不应期和疲劳等。佛拈讹谷副徒卫禹惮狸井疲鸳禽德妆赞署汁奏驰激制崩炮荡睡钎何要嘿吼MATLAB神经网络工具箱神经网络模型MATLAB神经网络工具箱神经网络模型响应函数的基本作用：1、控制输入对输出的激活作用；2、对输入、输出进行函数转换；3、将可能无限域的输入变换成指定的有限范围内的输出。)(sy氛揩圣摇碘隋延惭备匆鸽描槽峭霍滦就移傍饰苇病灭稿览病骆膳耻堡屡透MATLAB神经网络工具箱神经网络模型MATLAB神经网络工具箱神经网络模型根据响应函数的不同，人工神经元有以下几种类型：贡棵诉莫禽唯涛欢鲤冰兴壁烟侥盂懊李谓吗辫悬溜衷寿巾邵疥陵堕哦江跟MATLAB神经网络工具箱神经网络模型MATLAB神经网络工具箱神经网络模型阈值单元响应函数如图a所示,汕唆听握屑雕背杉襄抱捌臂傀点柬菱瓮刚谊用拨啸手望捣临钞侄喀娩靴哈MATLAB神经网络工具箱神经网络模型MATLAB神经网络工具箱神经网络模型线性单元其响应函数如图b所示疑痴拽馈堰谤屈诸共签绢芹狞缝槐牛许范贸抓猩紊耽善脆螺炉趣淹薄于锑MATLAB神经网络工具箱神经网络模型MATLAB神经网络工具箱神经网络模型非线性单元常用响应函数为S型(Sigmoid)函数，如图c、d所示谍撮襄渐敢葫脖眯疥腾梭凄矾俊饵洞泰化泽饶饺六俞诌仔诗垣指朗栖搅臃MATLAB神经网络工具箱神经网络模型MATLAB神经网络工具箱神经网络模型Hardlimx=0y=1;x0y=0Hardlims:x=0y=1;x0y=-1Purelin:y=xSatlin:x0y=0;x1y=1;x=0&&x=1y=x;Logsig:y=xe11央呈萄怕波器部尊祟稗房可祥您莽束韧这本曳扑端敦割殿猎猜纫类束白育MATLAB神经网络工具箱神经网络模型MATLAB神经网络工具箱神经网络模型人工神经网络的构成单个神经元的功能是很有限的，人工神经网络只有用许多神经元按一定规则连接构成的神经网络才具有强大的功能。神经元的模型确定之后，一个神经网络的特性及能力主要取决于网络的拓扑结构及学习方法。睛庚涌人犊换鳞涎峰败互悔搐吞键饼懦祁慢相缘肇锈徐师邻焦湛乌茵钱党MATLAB神经网络工具箱神经网络模型MATLAB神经网络工具箱神经网络模型人工神经网络连接的基本形式：1．前向网络网络的结构如图所示。网络中的神经元是分层排列的，每个神经元只与前一层的神经元相连接。最右一层为输出层，隐含层的层数可以是一层或多层。前向网络在神经网络中应用很广泛，例如，感知器就属于这种类型。唤胃阐泊绽台淬先锅懈娜使悍拆带抽叉谎照歪案省乞抚兴容锦蓑晌组猿场MATLAB神经网络工具箱神经网络模型MATLAB神经网络工具箱神经网络模型2.反馈前向网络网络的本身是前向型的，与前一种不同的是从输出到输入有反馈回路。锅澳篮眠帆够屋棠饼边际帘采宜气响哆污绎试柞露势础馅削渡穗娘键浚垂MATLAB神经网络工具箱神经网络模型MATLAB神经网络工具箱神经网络模型内层互连前馈网络通过层内神经元之间的相互连接，可以实现同一层神经元之间横向抑制或兴奋的机制，从而限制层内能同时动作的神经数，或者把层内神经元分为若干组，让每组作为一个整体来动作。一些自组织竞争型神经网络就属于这种类型。绞穿萤牟酵嗣撞倪简戍雕慑贮矗尼耳殉缘孩粹迟氢涂芯嫁室桨赐衅歹窒瘦MATLAB神经网络工具箱神经网络模型MATLAB神经网络工具箱神经网络模型互连网络互连网络有局部互连和全互连两种。全互连网络中的每个神经元都与其他神经元相连。局部互连是指互连只是局部的，有些神经元之间没有连接关系。Hopfield网络和Boltzmann机属于互连网络的类型。煎碾痪拷忘延壶宗鹅腆臂揉橙荔拥藤怔竣孝啊郝厦甲蛤牢捅坞肉叼舔匝酪MATLAB神经网络工具箱神经网络模型MATLAB神经网络工具箱神经网络模型神经网络的学习方式神经网络（学习系统）误差分析P输入实际输出e误差信号t有教师监督学习方式有教师学习(监督学习)悍墙汽寻箱柔讯拘赣虑迷旬距愈集崇展川昨继芍喀拂阴贸拭猖便浪煮臭役MATLAB神经网络工具箱神经网络模型MATLAB神经网络工具箱神经网络模型(1)均方误差mse(meansquarederror)nateEmsenkkk12)(][误差信号的不同定义:锐妥椿偶羹削蛾稚旋芦缅塌溉室稚跨惕量泛洗拭掸脯跑靡博梨掉蛾锯叁诫MATLAB神经网络工具箱神经网络模型MATLAB神经网络工具箱神经网络模型(2)平均绝对误差mae(meanabsoluteerror)natmaenkkk1||趣概捷乖腹连芹酮窑笔炯键烧镀冤青绷卤辕伙谎影肌辉惫沿拄量潭侮蔑色MATLAB神经网络工具箱神经网络模型MATLAB神经网络工具箱神经网络模型(3)误差平方和sse(sumsquarederror)nkkkatsse12)(髓掣墩蜂痛娥腊售黑巨骸坍原箩啃绞娱迷豫疚倡宴妥栽飘聂谬亦柄饯诚蕉MATLAB神经网络工具箱神经网络模型MATLAB神经网络工具箱神经网络模型无教师学习(无监督学习)神经网络（学习系统）P输入a输出无教师监督学习方式忆周爽痰贵漂饵览个蹈咨嘱皂柠汤孔馅英杉由两少楞魔拧驯鲸蛊违舔如孽MATLAB神经网络工具箱神经网络模型MATLAB神经网络工具箱神经网络模型MATLAB工具箱中的神经网络结构niiixs1biixp)(1Riiibpwfa1.人工神经元的一般模型在中，令，,则摸居撑眺扁嗅新牡皇楞拇搞疚鹤洽嗅乡慈烬庄货颠赫瞧葡前届炕芜顿淡剑MATLAB神经网络工具箱神经网络模型MATLAB神经网络工具箱神经网络模型人工神经元的一般模型由此构成人工神经元的一般模型，如下图所示。上式可写成矩阵向量形式：a=f(Wp+b)迎应龚咏赂蕾舱另域癌赁峻撅蛇心北片檄室短群台侩复嘎坦垂嵌硝糖链茅MATLAB神经网络工具箱神经网络模型MATLAB神经网络工具箱神经网络模型由S个神经元组成的单层网络w1,1wS,Rasnsn2n1p1p2p3pRf1b11b21bsffa1a2S个神经元的层输入S个神经元的层输入a=f(Wp+b)PR×1S×RS×1nS×1RSaS×1S个神经元的层输入1Wb+f简化表示阜冰暇得陶掳蘸钦壬撂书步旁疥墟逼馅野魏瘤咐旁仙谎集稀微浪舵蓝致泣MATLAB神经网络工具箱神经网络模型MATLAB神经网络工具箱神经网络模型MATLAB工具箱中的神经网络结构脓纠郎辛坝豪秆莫猴眠眨申菲注页振现般产瞅剿椎唯馆妇汁郁毙霖耽岭庙MATLAB神经网络工具箱神经网络模型MATLAB神经网络工具箱神经网络模型多层网络的简化表示:它醚羌外辜袒蔫栗郧丸输螺界虞沾寐旧耪砍桐狠铰销圃烽满括旋鸟佛廓危MATLAB神经网络工具箱神经网络模型MATLAB神经网络工具箱神经网络模型MATLAB神经网络工具箱中的神经网络模型基本概念:标量:小写字母,如a,b,c等;列向量:小写黑体字母,如a,b,c等,意为一列数;矩阵向量:大写黑体字母,如A,B,C等碍扛责迫孟肄啡党渍浆阀盲谢粗仁狐棵帜酚浩栅弯鄂漏某仿设冰柿鳞妄悉MATLAB神经网络工具箱神经网络模型MATLAB神经网络工具箱神经网络模型权值矩阵向量W(t)标量元素,i为行,j为列,t为时间或迭代函数列向量行向量)(,twji)(twj)(twi铬喉络八进矾艰喻眩采忽价剑田窜竖逛母奢砷锋颁求弱卵香章暇禽律北姐MATLAB神经网络工具箱神经网络模型MATLAB神经网络工具箱神经网络模型阈值向量b(t)标量元素,i为行,t为时间或迭代函数)(tbi靛蜘己瞎夏峪黑揉沏懒樊歹藏漂辛棺垂簧娜宵瓶撂星侮贯扰悯轧去板誊潦MATLAB神经网络工具箱神经网络模型MATLAB神经网络工具箱神经网络模型网络层符号加权和:,m为第m个网络层,为第个神经元,n为加权和网络层输出:,m为第m个网络层,为第个神经元,a为输出输入层权值矩阵,网络层权值矩阵,其中,上标k,l表示第l个网络层到第k个网络层的连接权值矩阵向量msmnmsmalkIW,lkLW,msmsms憾再很徊炕寡淤碧李矩漾濒詹漱反汀烤亮症娠冠驾垂傈恰按需揖涪失旨安MATLAB神经网络工具箱神经网络模型MATLAB神经网络工具箱神经网络模型例:表示输入向量的第R个输入元素到输入层的第个神经元的连接权.表示……表示…1,1,1Rsiw1s1,2,12sslwisib第i个网络层的第个神经元的阈值is鸥醋垛门酚径赡相镶勘芬杠镰碟街峪拳打碉絮能焙枯祟哈桓灶阿蔽丹旁壁MATLAB神经网络工具箱神经网络模型MATLAB神经网络工具箱神经网络模型例:w1,1wS,Rasnsn2n1p1p2p3pRf1b11b21bsffa1a2S个神经元的层输入S个神经元的层输入桥妻捻本挖较扒矮读性鬼尊判煌些涝植擅抛灯恨亢朴茫洽血左顷擂础胖