文档介绍：精选优质文档-----倾情为你奉上
精选优质文档-----倾情为你奉上
专心---专注---专业
专心---专注---专业
精选优质文档-----倾情为你奉上
专心---专注---专业
实验报告
课程名称 一种利用误差反向传播训练算法的前馈型网络，BP学****算法实质是求取网络总误差函数的最小值问题[2]。这种算法采用非线性规划中的最速下降方法，按误差函数的负梯度方向修改权系数，它是梯度下降法在多层前馈网络中的应用。具体学****算法包括两大过程，其一是输入信号的正向传播过程，其二是输出误差信号的反向传播过程。
输入的样本从输入层经过隐层单元一层一层进行处理，通过所有的隐层之后，则传向输出层；在逐层处理的过程中，每一层神经元的状态只对下一层神经元的状态产生影响。在输出层把现行输出和期望输出进行比较，如果现行输出不等于期望输出，则进入反向传播过程。
反向传播时，把误差信号按原来正向传播的通路反向传回，并对每个隐层的各个神经元的权系数进行修改，以望误差信号趋向最小。网络各层的权值改变量，则由传播到该层的误差大小来决定。
BP神经网络具有以下三方面的主要优点[3]：第一，只要有足够多的隐含层和隐层节点，BP神经网络可逼近任意的非线性映射关系；第二，BP学****算法是一种全局逼近方法，因而
精选优质文档-----倾情为你奉上
精选优质文档-----倾情为你奉上
专心---专注---专业
专心---专注---专业
精选优质文档-----倾情为你奉上
专心---专注---专业
它具有较好的泛化能力。第三，BP神经网络具有一定的容错能力。因为BP神经网络输入输出间的关联信息分布存储于连接权中，由于连接权的个数总多，个别神经元的损坏对输入输出关系只有较小影响。
但在实际应用中也存在一些问题，如：收敛速度慢，极有可能陷入最优陷阱（局部极值），而且典型的BP网络是一个冗余结构，它的结构及隐节点数的确定往往有人为的主观性，而且一旦人工决定之后，不能在学****过程中自主变更。其结果是隐节点数少了，学****过程不收敛；隐节点数多了，则网络的学****及推理的效率较差。
实验步骤:
(1)建立控制模型
-。如图2所示。
图2 一级倒立摆的模糊控制仿真
在上面的控制系统中提取摆角、角速度、位移、速度初始条件为分别为0. 5rad,1rad/s, 0和0,在此条件下响应的输入输出对，
(2) 提取训练数据
如图3所示，利用【Signal To Workspace】模块获取一阶T-S型模糊控制仿真过程的控制器输入输出数据对，并保存到工作区中，可以直接用到神经网络的训练中。
精选优质文档-----倾情为你奉上
精选优质文档-----倾情为你奉上
专心---专注---专业
专心---专注---专业
精选优质文档-----倾情为你奉上
专心---专注---专业
图3 数据提取
(3) BP神经网络控制器的训练
首先将提取出的训练数据变为标准的训练数据形式，标准的训练数据分为输入和目标输出两部分。输入部分是一个形式为输入个数训练数据个数的矩阵，这里输入个数为4。目标输出为一个输出个