感知器和BP网络设计及应用

人工神经网络实验报告1学号：1001314197人工神经网络实验报告实验一感知器和BP网络设计及应用人工神经网络实验报告2实验1感知器和BP网络设计及应用题目一初步认识Matlab人工神经网络工具箱一、实验目的初步了解人工神经网络工具箱。二、实验内容认识人工神经网络工具箱包含的主要功能函数及分类。三、实验步骤(1)在命令窗口键入helpnnet(2)描述人工神经网络工具箱划分的主要函数模块,并在每类下挑选3-4个函数,说明其主要功能。四、实验结果helpnnetNeuralNetworkToolboxVersion6.0(R2008a)23-Jan-20081.Graphicaluserinterfacefunctions.图形用户界面函数nnstart-NeuralNetworkStartGUI神经网络启动图形用户界面GUInctool-Neuralnetworkclassificationtool神经网络分类工具nftool-NeuralNetworkFittingTool神经网络拟合工具nntraintool-Neuralnetworktrainingtool神经网络训练工具2.Networkcreationfunctions.网络生成函数cascadeforwardnet–Cascade-forwardneuralnetwork.级联神经网络competlayer-Competitiveneurallayer.竞争神经层distdelaynet-Distributeddelayneuralnetwork.分布式延迟神经网络elmannet-Elmanneuralnetwork.Elman神经网络3.Usingnetworks.网络使用network-Createacustomneuralnetwork.创建一个定制的神经网络sim-Simulateaneuralnetwork.模拟神经网络init-Initializeaneuralnetwork.初始化一个神经网络adapt-Allowaneuralnetworktoadapt.神经网络的适应train-Trainaneuralnetwork.训练一个神经网络4.Simulinksupport.仿真支持gensim-GenerateaSimulinkblocktosimulateaneuralnetwork.生成Simulink模块来模拟神经网络setsiminit-SetneuralnetworkSimulinkblockinitialconditions设置神经网络Simulink模块初始条件getsiminit-GetneuralnetworkSimulinkblockinitialconditions获得神经网络Simulink模块初始条件neural-NeuralnetworkSimulinkblockset.神经网络Simulink模块集5.Trainingfunctions.训练函数trainb-Batchtrainingwithweight&biaslearningrules.批处理具有权重和偏差学习规则的训练trainbfg-BFGSquasi-Newtonbackpropagation.BFGS拟牛顿反向传播trainbr-BayesianRegulationbackpropagation.贝叶斯规则的反向传播trainbu-Unsupervisedbatchtrainingwithweight&biaslearningrules.无监管的批处理具人工神经网络实验报告3有权重和偏差学习规则的训练6.Plottingfunctions.绘图函数plotconfusion-Plotclassificationconfusionmatrix.图分类混淆矩阵ploterrcorr-Plotautocorrelationoferrortimeseries.误差自相关时间序列图ploterrhist-Ploterrorhistogram.误差直方图plotfit-Plotfunctionfit.绘图功能(函数)配合题目2感知器的功能及初步设计一、实验目的掌握感知器的功能。二、实验内容认识感知器的学习和训练，用demo完成书中题目3.1，记录W，b。三、实验步骤(1)在命令窗口键入nnd4pr（try在commandwindow键入nnd）显示如下图：(2)将3.1中的样本在图中实现，对感知器进行训练。人工神经网络实验报告4(3)记录初始值，以及正确分类后的W，b，以及训练次数。初始值：W=[1-0.8]b=[0]，训练结果如下图：人工神经网络实验报告5训练后的W=[1.562.09]b=[-1.08]，训练次数：两次题目3MATLAB编程实现感知器设计一、实验目的初步掌握MATLAB环境下用编程方式实现感知器的设计。二、实验内容认识感知器的学习和训练，自编程序完成书中题目3.8，记录W，b。三、实验步骤(1)在命令窗口键入demop1，按如下方式打开demop1.m文件(2)运行demop1.m文件，观察结果。结果如下：(3)基于demop1.m,demop6.m文件中的内容，进行适当修改，完成题目3.8。(4)分析程序中各个函数的作用，如何定义样本的输入和输出。修改后代码：P=[1122-1-2-1-2;...12-1021-1-2];T=[00001111;...00110011];%绘制输入样本向量人工神经网络实验报告6plotpv(P,T);%创建一个神经网络并赋初始权值和阈值net=newp([10;01],[1;1]);plotpv(P,T);plotpc(net.IW{1},net.b{1});%设置训练次数net.adaptParam.passes=3;%开始训练net=adapt(net,P,T);plotpc(net.IW{1},net.b{1});实验结果：人工神经网络实验报告7题目4利用nntool进行感知器设计一、实验目的初步掌握MATLAB环境下nntool方式实现感知器的设计。二、实验内容利用nntool，进行感知器设计。三、实验步骤(1)在命令窗口键入nntool(2)在命令窗口给出样本的输入输出P，T，在nntool中将P，T导入，用new新建网络，对网络训练，观察。(3)完成题目3.8。因为实验需要将样本数据点分为四类，因此需要两个输出节点来判断四类样本输出的所属分类，同时需要两个感知器来对样本数据做处理。1.新建网络2.网络图人工神经网络实验报告83.训练网络4.Performance5.训练状态人工神经网络实验报告95.输出结果：7.误差四、实验总结：通过本次实验，使我初步了解了人工神经网络工具箱，认识了人工神经网络工具箱包含的主要功能函数及分类。通过操作认识了感知器的学习和训练，初步掌握了MATLAB环境下用编程方式实现感知器的设计和nntool方式实现感知器的设计。