基于madaline的神经网络系统课程设计.doc

滨江学院 软件质量控制与测试课程设计报告 ( 2011 -- 2012 年度第 一 学期) 课程名称： 软件质量控制与测试课程设计报告 题 目： 基于madaline的神经网络系统 院 系： 计算机科学与技术系 班 级： 软工（3）班 学 号： 20092344927 姓 名： 周建新 指导教师： 钟水明 设计周数： 两周 日期：2012 年 5月 4日 一.任务书 1.项目背景 人工神经网络也称为神经或称作连接模型，是对人脑或自然神经网络若干基本特性的抽象和模拟。人工神经网络以对大脑的生理研究成果为基础，其目的在于模拟大脑的某些机理与机制，实现某个方面的功能。神经网络的分类有多种方法：按结构分有前馈神经网络和后馈神经网络;按应用功能来分有局部逼近网络和全局逼近网络。 2.要求 2.1目的和用途 实现网络计算，并输出网络分别在训练样本和测试样本上的性能值。 2.2主要内容和组成 一．输入界面的设计包括如下： (1)输入数据，其中数据的格式可分为.xls,.doc,.txt.提供数据可分为训练样本和测试样本，训练样本中已经包含了输入数据和本身的输出数据。测试样本中只有输入数据。 (2)输入的数据想通过上传文件的格式，并且能够一次性上传多个文件，在没有人得干预下，让它自己进行训练与测试。 (3)在此软件上能够任意的设置输入维数的参数。 (4)在软件输入界面上要设有样本的个数，能够通过人工的预设。 二．输出界面的设计包括如下： (1)学习性能 (2)测试性能 (3)样本成功率 (4)测试样本成功率 (5)学习效率 (6)范化性能 (7)实际迭代次数 (8)学习性能 (9)输出数据，其中输出数据为-1，和1，因为考虑到输出的多样性，而且数据范围比较大。-1是表示在训练数据时输出的数据与预期的数据不一致时呈现的结果。1是表示的在训 练数据时输出的数据与预期的数据一致时呈现的结果。 二.需求分析 1.需要实现的功能 文件复制，文件移动，目录创建，文件浏览，文件上传下载，程序运行，插件安装，插件卸载，整体卸载等远程控制功能，端口更换，密码更换等系统功能 2.界面要求 界面使用知识流界面模式，知识流界面提供默认与自定义配置结合，而此界面所能带来的优势为可针对多种用户，并且上手容易。并在有可能的情况下提供多种的语言包，使软件国际化具有可操作性。 三.总体设计 1.感知器神经元模型 感知器神经元通过对权值的训练，可以使感知器神经元的输出能代表对输入模式进行的分类，下图为感知器神经元模型。 感知器神经元的每一个输入都对应于一个合适的权值，所有的输入与其对应权值的加权和作为阀值函数的输入。由于阀值函数的引入，从而使得感知器可以将输入向量分为两个区域，通常阀函数采用双极阶跃函数，如： （3.1） 而感知器神经元模型的实际输出为 （3.2） 其中b为阀值 2.感知器的网络结构 图2.2所描述的是一个简单的感知器网络结构，输入层有R个输入，Q个输出，通过权值wij与s个感知器神经元连接组成的感知器神经网络。 根据网络结构，可以写出感知器处理单元对其输入的加权和操作，即： （3.3） 而其输出ai为 ai=f (ni+bi) （3.4） 由式2.1易知 （3.5） 则当输入ni+bi大于等于0，即有ni≥－bi时，感知器的输出为1；否则输出为0。 上面所述的单层感知器神经网络是不可能解决线性不可分的输入向量分类问题，也不能推广到一般的前向网络中去。为解决这一问题，我们可以设计多层感知器神经网络以实现任意形状的划分。 图2.3描述了一个双层感知器神经网络。其工作方式与单层感知器网络一样，只不过是增加了一层而已，具体的内容这里不做讨论。 四.详细设计 1.自适应线性神经元模型和结构 一个线性的具有r个输人的自适应线性神经元模型如下图所示。这个神经元有一个线性激活函数，被称为Adaline如图4．1(a)所示。和感知器一样，偏差可以用来作为网络的一个可调参数，提供额外可调的自由变量以获得期望的网络特性。线性神经元可以训练学习一个与之对应的输入输出的函数关系，或线性逼近任意一个非线性函数，但它不能产生任何非线性的计算特性。 图4. 1 自适应线性神经网络的结构 当自适应线性网络由s个神经元相并联形成一层网络，此自适应线性神经网络又称为Mad