神经网络的MATLAB实现(苏析超).pptVIP

主要内容 BP神经网络编程 BP神经网络工具箱 RBP网络工具箱 GRNN网络工具箱 …… BP神经网络通常是指基于误差反向传播算法(BP算法)的多层前向神经网络。 该网络的主要特点是信号向前传递，误差反向传播。向前传递中，输入信号从输入层经隐含层逐层处理，直至输出层。每一层的神经元状态只影响到下一层神经元状态。如果输出层得不到期望输出，则转入反向传播，根据预测误差调整网络权值和阈值，从而使BP神经网络预测输出不断逼近期望输出。 1.BP神经网络原理 神经网络的MATLAB实现 神经网络的MATLAB实现 神经网络的MATLAB实现 神经网络的MATLAB实现 %% 清空环境变量 clc clear %% 训练数据预测数据提取及归一化 %下载四类语音信号 load data1 c1 load data2 c2 load data3 c3 load data4 c4 %从1到2000间随机排序 k=rand(1,2000); [m,n]=sort(k); %输入输出数据 input=data(:,2:25); output1 =data(:,1); %四个特征信号矩阵合成一个矩阵 data(1:500,:)=c1(1:500,:); data(501:1000,:)=c2(1:500,:); data(1001:1500,:)=c3(1:500,:); data(1501:2000,:)=c4(1:500,:); 神经网络的MATLAB实现 %随机提取1500个样本为训练样本，500个样本为预测样本 input_train=input(n(1:1500),:); output_train=output(n(1:1500),:); input_test=input(n(1501:2000),:); output_test=output(n(1501:2000),:); %输入数据归一化 [inputn,inputps]=mapminmax(input_train); 神经网络的MATLAB实现 %% 网络结构初始化 innum=24; midnum=25; outnum=4; %权值初始化 w1=rands(midnum,innum); b1=rands(midnum,1); w2=rands(midnum,outnum); b2=rands(outnum,1); w2_1=w2;w2_2=w2_1; w1_1=w1;w1_2=w1_1; b1_1=b1;b1_2=b1_1; b2_1=b2;b2_2=b2_1; %学习率 xite=0.1; %alfa=0.01; 神经网络的MATLAB实现 %% 网络训练 for ii=1:10 E(ii)=0; for i=1:1:1500 %% 网络预测输出 x=inputn(:,i); % 隐含层输出 for j=1:1:midnum I(j)=inputn(:,i)*w1(j,:)+b1(j); Iout(j)=1/(1+exp(-I(j))); end % 输出层输出 yn=w2*Iout+b2; 神经网络的MATLAB实现 %% 权值阀值修正 %计算误差 e=output_train(:,i)-yn; E(ii)=E(ii)+sum(abs(e)); %计算权值变化率 dw2=e*Iout; db2=e; 神经网络的MATLAB实现 for j=1:1:midnum S=1/(1+exp(-I(j))); FI(j)=S*(1-S); end for k=1:1:innum for j=1:1:midnum dw1(k,j)=FI(j)*x(k)*(e(1)*w2(j,1)+e(2)*w2(j,2)+e(3)*w2(j,3)+e(4)*w2(j,4)); db1(j)=FI(j)*(e(1)*w2(j,1)+e(2)*w2(j,2)+e(3)*w2(j,3)+e(4)*w2(j,4)); end end 神经网络的MATLAB实现 w1=w1_1+xite*dw1;