文档介绍：神经网络神经网络这门学科是受了人脑这部高度智能、发达的“机器”的启发,而逐渐发展起来的一门前沿技术科学。神经网络的优势在于它的学****性和自动调整性,所以非常适合于处理非线性的问题。它被广泛应用于各行各业上,例如语音识别、实时语言翻译、目标的跟踪和识别、工业方面的过程控制等等。神经网络无论是工业应用还是科学研究都是一个有力的工具,有着巨大的潜力。它的应用主要是偏重于特征的提取、过程的控制和状态的预测。应用神经网络解决问题的步骤为:1、对解决的问题进行分析,根据各种网络的特点选用适合的网络类型。2、建立网络。3、对网络初始化。4、对网络进行训练。5、对网络进行仿真检验。6、应用网络解决问题。常用的神经网络:1、感知器神经网络2、线性神经网络3、BP神经网络4、径向基神经网络5、自组织神经网络6、回归神经网络例1用GUI工具建立一个感知器神经网络,训练使之具有逻辑“与”的功能。步骤:1、在MATLAB的命令窗囗用nntool打开GUI工具窗囗。输入样本p=[0011;0101],目标样本t=[0001]。输入测试样本为p1=[1001;0101]。2、网络类型为感知器网络:perceptron。注:1、我们建立的逻辑与运算的神经网络,输出和目标样本之间的偏差全为0。2、我们建立的神经网络是单个神经元,单层的感知器神经网络只能处理线性可分的问题。例2有一个有频率突变的正弦时变信号,用它来作目标训练一个新建的BP网络,用这个网络去对同频率正弦信号进行识别预测。目标样本信号如下图:cleartime1=0::4;time2=::6;time=[time1time2];t=[sin(time1*3*pi)sin(time2*6*pi)];%目标样本plot(time,t)步骤:1、在MATLAB的命令窗囗定义要用到的样本和输入变量。cleartime1=0::4;time2=::6;time=[time1time2];t=[sin(time1*3*pi)sin(time2*6*pi)];%目标样本p=delaysig(t,1,5);%输入样本p1=randn(size(t))*+t;p1=delaysig(p1,1,5);%仿真输入2、在MATLAB的命令窗囗用nntool打开GUI工具窗囗。导入输入样本p、仿真样本p1,导入目标t。3、创建新网络。网络名为:。神经网络类型为Feed-forwardbackprop,神经网络第一层默认设置(TRAINLM,LEARNGDM,TANSIG);第二层神经元个数为1,传递函数为PURELIN。4、看网络结构用按钮View。5、对网络初始化。6、训练网络。7、仿真。输入p1,_outputs改为w,即可仿真。8、将训练结果和仿真结果导出到工作区,即w,_outputs,_errors。9、在MATLAB的命令窗囗绘出训练结果和仿真结果的图形。plot(time,t,time,w);%目标样本和预测结果图形figure,plot(time,_errors)%绘制预测误差图形注:1、Delaysig(t,1,5)函数是用来产生信号t的5个延迟,每个延迟信号依次比前一个慢一个采样间隔。这是一个过时的函数,可用命令nntwarnoff。2、通过仿真结果可看出,这个网络对时序信号的