人工神经网络实验指导

人工神经网络实验指导《人工神经网络》

实验指导

北京工商大学信息工程学院《人工神经网络》课程组编写

1 / 22

人工神经网络实验指导

目录

第一部分实验准备 (1)

第1章NeuDesk软件 (2)

1.1NeuDesk软件概述 (2)

1.2NeuDesk软件使用说明 (2)

1.2.1样本的输入 (2)

第2章Matlab神经网络工具箱 (6)

2.1 MATLAB 神经网络工具箱概述 (6)

2.1.1神经网络工具箱的帮助和安装 (6)

2.2 MATLAB 神经网络工具箱函数 (6)

2.2.1 网络创建函数 (6)

2.2.2 网络应用函数 (7)

2.2.3 权函数 (7)

2.2.4 网络输入函数 (7)

2.2.5 转移函数 (7)

2.2.6 初始化函数 (8)

2.2.7 性能分析函数 (8)

2.2.8 学习函数 (8)

2.2.9 自适应函数 (8)

2.2.10 训练函数 (8)

2.2.11 分析函数 (8)

2.2.12 绘图函数 (8)

2.2.13 符号变换函数 (9)

2.2.14 拓扑函数 (9)

2.3 MATLAB使用说明 (9)

2.3.1MATLAB界面 (9)

2.3.2在MATLAB环境下运行程序 (9)

第二部分实验 (13)

第3章BP网络的设计 (14)

实验3.1NeuDesk软件环境下的BP网络设计 (14)

3.1.1试设计BP神经网络解决异或问题 (14)

3.1.2试设计BP神经网络实现非线性函数映射。 (14)

3.1.2试设计BP神经网络实现分类功能。 (14)

实验3.2掌握NeuDesk软件环境下的BP网络应用 (15)

3.2.1基于BP算法的多层前馈网用于催化剂配方建模 (15)

第4章SOM网络的设计 (17)

实验4.1掌握MATLAB软件环境下的SOM网络设计 (17)

4.1.1 输出为一维线阵的SOM网络对二维数据进行聚类 (17)

4.1.2输出为二维平面阵的SOM网络对二维数据进行聚类 (17)

实验4.2掌握MATLAB软件环境下的SOM网络应用 (18)

4.2.1利用SOM网络对动物属性特征映射 (18)

4.2.2 SOM网用于字符排序 (19)

2 / 22

人工神经网络实验指导

第一部分实验准备

1 / 22

人工神经网络实验指导

第1章NeuDesk软件

1.1NeuDesk软件概述

NeuDesk软件是英国NCS公司推出的神经网络专用软件，它的主要特点是输入输出变量都采用电子表格录入的方式，非常直观；网络的设计中可以直观地看到神经元的连接以及权值的正负，网络经过训练以后可以储存其连接权值，便于应用。

1.2NeuDesk软件使用说明

1.2.1样本的输入

打开NeuDesk软件，出现以下界面，其中表Training Inputs是训练集的输入；Training Outputs是训练集的教师信号。

输入向量：按列输入表中，一列代表一个变量

输出向量：按列输入表中，一列代表一个变量

归一化处理：点击spreadsheet-----autoscale

2 / 22

人工神经网络实验指导

1.2.2网络的设计

打开Window，选择进入网络的设计界面

其中，在Edit下拉菜单中选择Randomize为随机初始化；Manual Design表示手动改变隐层数和隐层节点数；Autodesign是根据输入节点和输出节点来进行自动设计。

1.2.3网络的训练

进入Control window,可以对网络的训练参数进行设计。

其中，

Training Methods（训练方法）：用于进行算法和参数设计

3 / 22

人工神经网络实验指导

4 / 22 Terminate Training On （中止条件）：设置终止条件如最大迭代次数或者是最小误差 Current Status （现在的状态）：网络当前的迭代次数以及当前的误差 Randomize 为根据问题随机初始化网络的初始权值和隐层节点数

Train:训练网络

Query:用训练好的网络对新的输入来预测输出

1.2.3网络的预测

用训练好的网络对新的输入进行预测。

（1）在Query Inputs 键入输入变量

（2）点击Control Window 上的Query ，利用训练好的网络进行前向计算

（3）可以在Query Outputs 窗口得到相应的输出

人工神经网络实验指导

5 /

22

人工神经网络实验指导

第2章Matlab神经网络工具箱

MATLAB名字由MATrix和LABoratory 两词的前三个字母组合而成。20世纪七十年代后期，时任美国新墨西哥大学计算机科学系主任的Cleve Moler教授出于减轻学生编程负担的动机，为学生设计了一组调用LINPACK和EISPACK库程序的“通俗易用”的接口，此即用FORTRAN编写的萌芽状态的MA TLAB。

MATLAB以商品形式出现后，仅短短几年，就以其良好的开放性和运行的可靠性，使原先控制领域里的封闭式软件包（如英国的UMIST，瑞典的LUND和SIMNON，德国的KEDDC）纷纷淘汰，而改以MA TLAB为平台加以重建。在时间进入20世纪九十年代的时候，MATLAB已经成为国际控制界公认的标准计算软件。

在欧美大学里，诸如应用代数、数理统计、自动控制、数字信号处理、模拟与数字通信、时间序列分析、动态系统仿真等课程的教科书都把MATLAB作为内容。这几乎成了九十年代教科书与旧版书籍的区别性标志。在那里，MA TLAB是攻读学位的大学生、硕士生、博士生必须掌握的基本工具。

MATLAB的推出得到了各个领域的专家学者的广泛关注，在此基础上，专家们相继推出了MATLAB工具箱，主要包括信号处理、控制系统、神经网络、图像处理、鲁棒控制、非线性系统控制设计、系统辨识、最优化、模糊逻辑、小波等工具箱，这些工具箱给各个领域的研究和工程应用提供了有力的工具。

2.1 MATLAB 神经网络工具箱概述

神经网络工具箱（NN Toolbox）几乎完整地概括了现有的神经网络的新成果，所涉及的网络模型有：感知器、线性网络、BP网络、径向基网络、自组织网络和反馈网络等。对于各种网络模型，神经网络工具箱集成了多种学习算法，为用户提供了方便。

2.1.1神经网络工具箱的帮助和安装

神经网络工具箱包含在nnet目录中，键入help nnet可得到帮助主题。工具箱包含了许多示例。每一个例子讲述了一个问题，展示了用来解决问题的网络并给出了最后的结果。显示向导要讨论的神经网络例子和应用代码可以通过键入help nndemos找到。安装神经网络工具箱的指令可以在下列两份MATLAB文档中找到：the Installation Guide for MS-Windows and Macintosh 或者the Installation Guide for UNIX。

2.2 MATLAB 神经网络工具箱函数

说明：下面列出的函数适用于MATLAB5.3 以上版本，为简明起见，只列出了函数名，如需要了解函数的详细说明和使用，请参阅MATLAB 的帮助文档。

2.2.1 网络创建函数

newp 创建感知器网络

newlind 设计一线性层

newlin 创建一线性层

6 / 22

人工神经网络实验指导

newff 创建一前馈BP 网络

newcf 创建一多层前馈BP 网络

newfftd 创建一前馈输入延迟BP 网络

newrb 设计一径向基网络

newrbe 设计一严格的径向基网络

newgrnn 设计一广义回归神经网络

newpnn 设计一概率神经网络

newc 创建一竞争层

newsom 创建一自组织特征映射

newhop 创建一Hopfield 递归网络

newelm 创建一Elman 递归网络

2.2.2 网络应用函数

sim 仿真一个神经网络

init 初始化一个神经网络

adapt 神经网络的自适应化

train 训练一个神经网络

2.2.3 权函数

dotprod 权函数的点积

ddotprod 权函数点积的导数

dist Euclidean 距离权函数

normprod 规范点积权函数

negdist Negative 距离权函数

mandist Manhattan 距离权函数

linkdist Link 距离权函数

2.2.4 网络输入函数

netsum 网络输入函数的求和

dnetsum 网络输入函数求和的导数

2.2.5 转移函数

hardlim 硬限幅转移函数

hardlims 对称硬限幅转移函数

purelin 线性转移函数

tansig 正切S 型转移函数

logsig 对数S 型转移函数

dpurelin 线性转移函数的导数

dtansig 正切S 型转移函数的导数

dlogsig 对数S 型转移函数的导数

compet 竞争转移函数

radbas 径向基转移函数

satlins 对称饱和线性转移函数

7 / 22

人工神经网络实验指导

2.2.6 初始化函数

initlay 层与层之间的网络初始化函数

initwb 阈值与权值的初始化函数

initzero 零权/阈值的初始化函数

initnw Nguyen_Widrow 层的初始化函数

initcon Conscience 阈值的初始化函数

midpoint 中点权值初始化函数

2.2.7 性能分析函数

mae 均值绝对误差性能分析函数

mse 均方差性能分析函数

msereg 均方差w/reg 性能分析函数

dmse 均方差性能分析函数的导数

dmsereg 均方差w/reg 性能分析函数的导数

2.2.8 学习函数

learnp 感知器学习函数

learnpn 标准感知器学习函数

learnwh Widrow_Hoff 学习规则

learngd BP 学习规则

learngdm 带动量项的BP 学习规则

learnk Kohonen 权学习函数

learncon Conscience 阈值学习函数

learnsom 自组织映射权学习函数

2.2.9 自适应函数

adaptwb 网络权与阈值的自适应函数

2.2.10 训练函数

trainwb 网络权与阈值的训练函数

traingd 梯度下降的BP 算法训练函数

traingdm 梯度下降w/动量的BP 算法训练函数

traingda 梯度下降w/自适应lr 的BP 算法训练函数

traingdx 梯度下降w/动量和自适应lr 的BP 算法训练函数trainlm Levenberg_Marquardt 的BP 算法训练函数

trainwbl 每个训练周期用一个权值矢量或偏差矢量的训练函数

2.2.11 分析函数

maxlinlr 线性学习层的最大学习率

errsurf 误差曲面

2.2.12 绘图函数

plotes 绘制误差曲面

8 / 22

本文来源：https://www.bwwdw.com/article/ipyq.html