用神经网训练一个网络函数.doc

学号： 姓名： 班级： 用神经网络训练一个非线性函数 一、MATLAB 神经网络工具箱的简单介绍 MATLAB 神经网络工具箱以人工神经网络为基础 ，根据自己的需要调用相关函数，就可以完成网络设计、权值初始化、 网络训练等。本设计中使用了工具箱中BP 神经网络，BP 神经网络工具箱主要包括 newff，sim 和 train 三个神经网络函数。 newff函数的功能是构建一个 BP 神经网络。其函数形式 ：net = newff (P,T,S,TF,BTF,BLF,PF,IPF,OPF,DDF)。 sim函数的功能是用训练数据训练 BP 神经网络。其函数形式：[net,tr] = train(NET,X,T,Pi,Ai)。 train函数的功能是用训练好的 BP 神经网络预测函数输出，其函数形式：y=sim(net,x)。 二、设要逼近的非线性函数为： y=2*cos(2*pi*x)，-0.4X3.6。 （1） 网络建立： 使用net=newff(x,y,20,{tansig,purelin},trainlm,learngdm);语句建立一个前馈 BP 神经网络。该 BP神经网络只含有一个隐含层，神经元的个数为 20，隐层传递函数 tansig， 输出层传递函数 purelin， 训练函数为 Leven-berg_Marquardt 的 BP 算法训练函数 trainlm，网络学习函数是带动量项的 BP 学习规则 learngdm。 （2）网络训练 ：使用 net=train(net,x,y);语句训练建立喊的BP 神经网络。在训练网络之前设置好训练参数。用“net.trainParam.epochs=50;net.trainParam.goal=0.01;net.train-Param.lr=0.01; net.trainParam.show=10;”语句实现。 网络仿真 ：使用 “y1=sim(net,x);y2=sim(net,x);” 语句仿真训练前后的 BP 神经网络。 二、MATLAB程序 x=[-0.4:0.04:3.6]; y=2*cos(2*pi*x); net=newff(x,y,20,{tansig,purelin},trainlm,learngdm); y1=sim(net,x); %为训练前进行仿真 net.trainParam.epochs=50; %训练次数 net.trainParam.goal=0.01; % 最小均方误差 图1 图2 图3 由程序知直接调用 MATLAB 软件包中的神经网络工具箱函数。 图1 为原函数与网络训练前后的仿真结果比较图。由图可知，用工具箱函数建立网络时，对权值和阈值的初始化是随机的，所以未训练网络的仿真效果很差，并且每次运行结果也不同。 训练后网络的仿真输出曲线和原函数的曲线非常接近， 这说明训练后的网络对非线性函数的逼近效果很好。网络训练过程中误差随训练时间的变化迅速减少， 在经过 6个单位时间以后，网络的误差就达到了逼近要求（图 2）。图3为几种情况下的回归线，由图可知，各点都很靠近回归线，，说明训练后的网络与非线性函数很相近。