文档介绍：维普资讯
第卷第期计算机仿真年月
文章编号:———
基于神经网络工具箱的网络实现
罗成汉
集美大学信息工程学院,福建厦门
摘要:简要介绍神经网络结构和算法以及语言的特点。利用的神经网络工具箱提供的许多有关神经
网络设计、训练以及仿真的函数实现网络将非常容易,用户只要根据自己的需要调用相关程序,从而免除了编写复杂而
庞大的算法程序的困扰。并详细论述利用神经网络工具箱设计网络的方法及步骤,给出具体应用实例,从而验
证该方法的可行性。
关键词:神经网络;工具箱;仿真
中图分类号:、文献标识码:
引言确定其处理单元——神经元的特性和网络的拓扑结构。
人工神经网络是近年来发展起来的模拟人脑生物过程神经元是神经网络最基本的处理单元,隐层中的神经元采用
的人工智能技术。它由大量的、同时也是很简单的神经元广型变换函数,输出层的神经元可采用型或线性型变换函
泛互连形成复杂的非线性系统⋯。具有自学习、自组织、自数。图为一个典型的三层网络的拓扑结构。

适应和很强的非线性映射能力,特别适合于因果关系复杂的
非确定性推理、判断、识别和分类等问题。在人工神经网络
的实际应用中,常采用神经网络或它的变化形式。神
经网络是一种多层神经网络,因采用算法而得名。通常
采用软件来实现,主要应用于模式识别和分类、函数逼近、数
据压缩等领域。
是公司开发的一种高性能的数值
计算和可视化软件,在学术界和工业界都得到了广泛的应输入层隐层输出层
用。与、和等编程语言相比,它具有程序可
图网络结构示意图
读性强、调试简单等特点,尤其是在编写含矩阵运算的复
杂程序时,能给用户提供极大的方便。它将数学计算、
神经网络学习采用改进算法,学习过程由前向计算
算法开发、建模与仿真、数据处理、可视化和应用开发集成
过程和误差反向传播过程组成。在前向计算过程中,输入信
于一个非常友好的环境中,尤其是它提供了各种专业性较
息从输入层经隐层逐层计算,并传向输出层,每层神经元的
强的工具箱,在此环境下,用户不需要再编写自己学科范
状态只影响下一层神经元的状态。如输出层不能得到期望
围内的基础程序,如在神经网络工具箱中,提供了
的输出,则转入误差反向传播过程,误差信号沿原来的连接
许多有关神经网络设计、训练和仿真的函数。用户只要根
通路返回,通过修改各层的神经元的权值,使得网络系统误
据自己的需要调用相关程序,从而免除了编写复杂而庞大
差最小。最终网络的实际输出与各自所对应的期望输出逼
的算法程序的困扰。
近。
,介绍神经网络工具
箱及其相关函数,论述利用其神经网络工具箱开发网络
的方法及设计步骤,给出应用实例。.神经网络工具箱及其相关函数简
介
网络模型神经网络设计时,需要确定网络的拓扑结构隐层
网络是一种多层前馈神经网络,由输入层、隐层和输的层数及各层的神经元的数目及其神经元的变换函数,
出层组成。层与层之问采用全互连方式,同一层之间不存在网络的初始化,误差计算,学习规则及网络训练,训练参数
相互连接,隐层可以有一个或多个。构造一个网络需要及训练样本的归一化处理等方面的工作,
经网络