文档介绍：MATLAB神经网络工具箱中的神经网络模型
整理ppt
1
神经网络工具箱简介
MATLAB 7对应的神经网络工具箱的版本为Version ,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solute error)
整理ppt
21
(3)误差平方和sse(sum squared error)
整理ppt
22
无教师学****无监督学****br/>整理ppt
23
MATLAB工具箱中的神经网络结构
在
中，令
，
,则
整理ppt
24
人工神经元的一般模型
由此构***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)
整理ppt
25
由S个神经元组成的单层网络
整理ppt
26
MATLAB工具箱中的神经网络结构
整理ppt
27
多层网络的简化表示:
整理ppt
28
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
整理ppt
29
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
整理ppt
30
阈值向量b(t)
标量元素 ,i为行,t为时间或迭代函数
整理ppt
31
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
整理ppt
32
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…
第i个网络层的第 个神经元的阈值
整理ppt
33
例:
整理ppt
34
n1为第一层神经元的中间运算结果,即连接权向量与阈值向量的加权和,大小为
,即
a1为第一层神经元的输出向量,大小为
,
整理ppt
35
神经网络的层数为神经元网络层的数目加1,即隐层数目加1.
整理ppt
36
多层神经网络结构
整理ppt
37
多层网络简化形式
图中:
整理ppt
38
说明:
输入层神经元的个数决定IW的行数,输入向量元素的个数决定IW的列数,即S1行R列.
整理ppt
39
细胞矩阵:将多个矩阵向量作为细胞矩阵的”细胞”(Cell),细胞矩阵的各个元素值为对应细胞的大小和数值类型
,
,
整理ppt
40
访问元素:m{1}=n{1,1}=
整理ppt
41
m{2}=n{2,1}=
n{2,1}(4)=5
整理ppt
42
变量符号在MATLAB中的表示
(1)上标变量以细胞矩阵(Cell array)即大括号表示p1={1}
(2)下标变量以圆括号表示,
p1=p(1),
,
整理ppt
43
例:
=
整理ppt
44
整理ppt
45
神经网络工具箱常用函数列表
重要的感知器神经网络函数：
初始化： initp
训练： trainp
仿真： simup
学****规则： learnp
整理ppt
46
线性神经网络函数
初始化： initlin
设计： solvelin
仿真： simulin
离线训练： trainwh
在线自适应训练： adaptwh
学****规则： learnwh
整理ppt
47
BP网络函数：
initff： 初始化不超过3层的前向网络；
simuff：仿真不超过3层的前向网络；
trainbp，trainbpx，trainlm：训练BP
trainbp：最慢；
trainbpx：次之；
trainlm：速度最快，但需要更多的存储空间。
learnbp： 学****规则
整理ppt
48
自组织网络
初始化：initsm
仿真： simuc
训练： trainc：利用竞争规则训练
trainsm：利用Kohonen规则训练