用MATLAB语言仿真设计人工神经网络


V1 m0 o3 1 1 3

总第 4 期 9
a m  . 9 i Nn 4

广 东 广 播 电视 大          学 学 报
J R A OF  A GD N R DO    U IE ST OU N L  G N O G A I RT NV R IY U V 

24 0 年第 1 期
N    1 2 0 o. .  9 0

用 M TA A L B语言仿真设计人工神经网络
高兴 培
( 茂名广播电视大学,广东茂名, 200 550)
【 摘要I TA (ax  ro, “ M LB  t L ot 即 矩阵实 A M r a ar i b y 验室” 是当 ) 今世界上 最优秀的 值计算软 本文用M T 数 件。 A
LB中神经网络工具箱 (er Nt rToo)提供的函数仿真设计一个三层前向网络 A Nul  o obx a e k l w 【 键词I TA: 关 M LB 人工神经网络;前向网络;设计;仿真 A 【 中图分类号I 3 T 8 P9 【 文献标识码】B 【 文章编号」1 8 96 ( 0) - 05 0 0 一 74  4 0 04 一 4 0 2 0 1 

一、 A L B简介          M TA
M T       AL B程序设计语言是美国 M t o s A a wr 公司 h k

2世纪8 年代中 0 0 期推出的高性能数值计算软件。 Mt o s a wr 公司经过十几年的开发扩充与不断完 h k 善, ALB已 使M TA 经发展成为 适合多学 科功能强大 特全的大型系统软件。M TA AL 日具有强大的计算 功能; 方便的图形功能; 丰富 适用范围大; 编程效率 高, 扩充能力强; 语句简单, 易学易用; 功能齐备的 自 动控制软件工具包等优点。特别是当今控制界 的很多权威专家, 在各自 从事的控制领域里开发了 具有特殊功能的软件工具箱, 使得MTA ALB从一个 数值运算软件成为自 动控制计算与仿真的强有力 工 具。 ALB的控制箱里, 在MTA 软件内容丰富, 系 统门 类齐全, 已覆盖了控制系统的各个领域, 每一 个工具箱都是当 今世界上该控制领域里的最权威、
最顶尖的计算与仿真程序软件。

样, 是一个简单的信号处理单元, 它接受来自 其他 许多神经元的输出作为输人, 而产生一个输出, 并 可输入到其他神经元。神经元的不同的连接方式 就构成了不同的 A T模型。常用的有多层前向 N N 网络模型、di 模型、o i 网络模型、o - Aa e l n Hpe fl d Kh o n 自 e 组织映照模型等等。但不管模型如何,N n AN 都有一些共同的固有特点: (并行处理性      1 ) (分布式的      存贮方式 2 )
( 具有很强的容错性和联想性      3 ) (具有很强的学习功能      4 } (强鲁棒性和强适应性      5 )

三、      三层前向网络仿真设计
) - (前向网络( efw d w k      F dr rNt r ) e o a e os 前向网络是指信息向前逐层连接,      而没有向
后或反馈连接的人工神经网络。对三层( 只包含 输人层、 隐含层、 输出层) 前向网络, 理论上已证

二、      人工神经元网络的特点
人工神经元网络( r c l  r Nt r 简      At i Nu l w k i a ea e o , i f 写为A N 是根据大脑神经元电化学活动抽象出 N) 来的一种多层网络结构。A N是由众多的人工 N 神经元连接而成的。人工神经元像生物神经元一

明: 当隐含层的神经元激活函数采用5 形函数, 而 且隐含层的 神经元个数足够多时, 通过调整网络 的加权系数和闹值, 该网络可以通近任意的非线
性函数 。

目样本对象      现假设有一非线性对象,      其输人输出关系可

【 收稿日 2 3 巧一5 期】 0 一 0 0 【 作者简介】 商兴培 ( 6- , 茂名人, 1 7 ) 广东 9 茂名广播电 视大学 。 讲师

万方数据

广东广播电视大学学报

〔 1卷 第 3

总 4 期) 9

20 年 3 2 日 04 月 0

用( 一 ) 1 0方程描述:

式(一 )      lw,lb 是训练好的网络参 1 3中w ,2b,2

Y ((      1x+1 x /1 x 矿) =  2 )  . 3 (+ l x 、一 4 2 ) i  1+ + 2 u (. t )  一 ) wOS x ( 。 s x3 1
目M TA      神经网络工具箱函 ALB 数简介
1iif        . f nt

数,,  I I f f与(一 ) l2 式相同,是输人向量或输人矩 p
阵,是网络的输出向量或输出矩阵。 a (程序设计      2 9 ) 现用一个三层前向网络来模拟样本方程式(      1 一 )输人层由4 0, 个神经元组成, 隐含层由N个神
经元组成, 输出层只有一个神经元。如图 1 所示

it是前向网络(      nf i 至多三层) 初始化函数, 使
用格式是 :

[1b,2b] nf ps, 2f)      ,  二it(, ls,  w , w 2 l i 1f , 2 或 [l l 2b丁 ifps f t2 1 1 w, , , =n f , , ,f (一 ) b w 2 i( ll ,)  t
式( 一 )      l 1 1中w 是隐含层神经元与输人层神 经元之间的连接权重系数矩阵,2 w 是输出层神经 元与隐含层神经元之间的连接权重系数矩阵;l 6
是隐含层神经元的阂值矩 阵,2 b 是输出层神经元

的阑值矩阵; 为输人样本矩阵,为输出样本矩 P t 阵; 为隐含层神经元个数, 为输出层神经元 ¥ l s 2 个数; , 是隐含层和输出层的激活函数形式, ff l2 其中 线性函数用“ul” p e 表示,n s ri n t 型 函数用 a 1ng表示,g ts" l 型函数用“g ai o ls o了表示。 运行 it     函数, nf i 系统能自动根据给定的 P , s, , ( t, 值对 w,lw ,2 lf s 或 )f l2 2 lb,2 b 赋一个初始
值。
2t il        . nm r a

输 入层

隐含层

输 出层

图 I 网络结构             

1网络训练程序
ce r        la mi a 进        t m w

tim是利用反向演播(P      rn al B 算法) 训练前向 网络函数, 使用格式是: [l l 2b e t rn (1  f w      , , ,卜 tim  , l , w , , 2 p r st w b, 2 bw 1  , 

f i         o =卜M r 

b, ,  (一 ) 2f ptp 1 2 2 , )  , t 式(一 ) lw,lb, , ,,的含义与式 1 2中w,2b, f f pt 2 l2 (一 ) e是训练结束时的总训练步数, 表 11 相同, p r t 示训练过程中的 误差平方和, 是训练参数向 t p 量。 t的      t=  t t I p 形式是: [ p p , p表示 p p  3  t 2  其中t I  l 至少训练多少步显示一次, 隐含值为2;2 5t 是给 p 定的最大训练步数, 隐含值为 1 ;3 0 t 表示目 0p 标
误差平方和 , 隐含值为 000 .2

x( = *od .;        一15 li 3 r ) o x( 二 , o 15       一 .; 2i 3 m d ) x( 二 二 ad 15        一 .; 3i 3 r ) n x( = *ed 15       一 .; 4i 3 r ) n

Y ) (l ) ( , 2i ) x( 1      i二 2 x( 一1 *4 i+ . ( 二 x( i ) ) 2 * 3i /1 x( 2+ 2i + o(.* 1i x( )( + li x( 2) c 05 x( ) ) )  s ) , 3i ; x( ) )
ed        n

p [ ;; x ;     x; ] 二x x 3 4 l2
t ;        二Y

tim函数以w ,2b, 的初始值和给定      rn al lw ,lb 2

的ffptp 始训练, 训练 l2 ,t开 ,, , 当 过程中 误差平 方
和小于等于目标误差平方和或者训练步数到达给

[l l 2b 二nf , a i t pr     , 〕 ;t pN ' g, u - w, , 2 i( ,  '  e bw f ts ,  n ' 
l '  i) n ;

定的最大步数时, 停止训练, 此时的w,2b,2 l ,lb w
的值就是已训练好的网络参数。
3s u        .  f i m

s u 是前向网络仿真函数,      if m 使用格式是 :

a : u( w, , , , f ( 3      ,I 1 l 2b,)  一 ) 二i fp b f w 22 1 m

t [  0 0J      001; p  1 .  =  0 5  0 [l lw, e t =rn (lb,a      b, ,] tin , t- w, ,2 2 p r ah w l’n b s' 2b, ul' ,t i , , ' r n, tp g w 2 p e p ,) i 在网络训练程序中,      输人样本矩阵p 由M组 ( 1 一十 .) -  . 5 1 的随机数组成, 5 隐含层神经元的

万方数据

20 年第 1 04 栩

高兴培 : M T A 用 A L B语言仿真设计人工神经网络

激活函数采用 t 型 S函数, a n 输出层神经元的激 活函数采用线性函数, 最大训练步数取 10 , 00 目 标误差平方和取 001 . o 0
2网络仿真程序       
fr  :0        oi 二1 5

u( 二 *ad .;        一15 l1 3 r ) n u( = -  15        一 .; 2i 3  n )  r d e 0  =  r d 15        一 .; ( 3  n i -  )  e u( 二 、 ed .;        一15 4i 3 r ) n

卿 Ns, o e  - aYi, L8 , ,6 =

z) ( ( * 2 u( 1‘4i 1     ) (‘2i一 ) u( + . ( =u i i } ) ) 2
* 3i I1 u( " + 2i-) c (. u u( )(+ li 2 u( 2 + o 05 l )  ) )  s  * ( * 3i) i u( ; ) )
ed        n

p fl 2 3u ;      u; ] = u; ; 4 u a  u( w, ai, 2' n)      , 1 s' b, l' = fp 1 'ng w,  ui ; s i  n b,  t 2 pe r te  l t z      g ( ; i =  nh  m l  ;  )  e

ptm,  ,      te ) l( zi a  ote ,  i m
在网络仿真程序中,      输人样本矩阵p 0 由5 组 ( 1 一+ . 的随机数组成, 一. + 5 5 1) 在程序最后用pt l o 函 数将样本对象的实际输出 : 值( 曲线) 和网络的 仿真输出值( 曲线) a 在同一张图中 输出。 国仿真结果及分析      运行网络训练程序,      将得到训练好的网络参 数w , ,1 2接着运行网络仿真程序, l 2b, ; w b 将得到 z 线和 a 曲 曲线图。图 2图 3图4 图5 图6 、 , 、 、 是 N M取不同值时的仿真结果。 ,
陆 120r2, l o , 0, 0 e= o 1 , po

盈 r20YS }= 0 - 0, , 1 0 p0


不一 节 一飞它 万 乞 一飞矿 万 一一百 — 一 一一 犷 犷一 - 六

对比图2     图3 、 可以看出, 当隐含层的神经元 个数较少时, 网络的精度较低; 对比图3图4 、 也 可以 看出, 训练样本数据个数较少时, 当 网络的精 度也不高; 但图5图6 , 表明, 当隐含层的神经元 个数到达一定的范围后, 再增加神经元个数对提 高网络的精度作用不大。






上被证明能够逼近任意非线性函数, 近年来在模

由 人 神 网 所 有 独 优 ,加 于 工 经 络 具 的 特 点再

四束 、语 结



W20 W1,  10 0,  0 c 00 p s 

万方数据

广东广播电视大学学报 〔 1卷 总 心期) 第 3

20 年 3 2 04 月 0日

型辨识、 控制器设计、 优化操作、 故障分析与诊断 等领域迅速得到研究 与 应用。M TA A IB的T O - OL BX O 工具箱与 S U I I L K仿真工具, M N 为控制系统 的计算与仿真提供了一个强有力的工具, 使控制
【 参考文献】

系统的计算与仿真的传统方法发生了革命性的变 化。M T A AL B已经成为国际、 国内控制领域内最 流行的、 被广泛采用的控制系统计算、 仿真与计算 机辅助设计软件。

[] 1黄道平 计算机新型控制策略及其应用【 ] M . 华南理工大学出 广州: 版社, 0 23 0 [] 2张乃尧, 阎平凡. 神经网络与模糊控制【 ]北京: M. 清华大学出 版社, 9. 18 9 t] 3蔡自兴. 智能控制- 墓础与应用t ]北京 国防工业出版社, 9. M. 10 9 [] 4黄忠霖. 控制系统M TA ALB计算及仿真[ ]北京: M. 国防工业出 版社, 0. 21 0

D s n d  l e  A tia N ua N tok ei a Smua A r f i erl  w r g n i t n  ic l  e
Wi MA L B  n u g              t h  T A L g a e a
G O  g e A Xn- i i p
(a i Rd a T UirtMoi Ga d g5 0 ,ha               n,u g n, 5 0Ci) Mo n ao  V vs ,  g n o 2 0 n m g i n d  nei a y m
A sa :  A ia  u e au tn we  n  odTi a r  a s o o  g      A L B  bsn b ccao st rn it wr .  p ee ln, td i br t T tc M s  t  r  li o a o h l h p x i h e m l f w  e  s  p w  e n s a s uta e lefdr rnwrwh f cos u t p ve b a r n wrtlx  n i le r 一a r fw d  o i t u tn  li r id  n a e o ob o d  a te y e o a e k  h ni i a n  d y  u l  k  o f m h e t t e  m o o e t o
MA L B. T A

K y rsM T A ; c l r nt r ; fwr e o ds s u tn      二A L l ai i nu l  o sf d ra nt r;  ; li ew d o r ia e a e k e o d w k eg i ao t f w e i m n

(              责任编辑 : 伽) 薄

( 上接第3 页) 3
(      参考文献】 []      1转引自 王进生 实践教学环节规范 化管理改 革初探[ . J 实验室 ] 研究与 探索 1 8() 9, . 9 6 []      企业标准化管理体系G S 2 2郭成纲. M 20 表单范本【]广州: 0 S 广东经济出版社, 0.. 2 29 0 仁」      改革教学方法, 3王建生, 加强实践环节【1郑州轻工业学院学报( J. 社会科学版) 01() . 0, 2 4

Ma aei Sad ri t n  te a ut n n gr l n adz i o h G d ai a t a o f  r o P o c fr  C   et  te mp t Si c S ei i rj o h o ue c ne  c ly r  e p at
Y Xa-ag P N Y            E  n hn ,E G  iz u
Fs n  iad  Uirt Fs nGa dn, 80,h a o a Rd n T n ei, a,u go 5 00Ci ) h a o  V  v s o y h n g2 n a a 二n cvwy c i t s o g l  c p h se e mn t c aiy  e  e s h n l a eei a ta ee  c o o a o r e il x i h a bi ot sd tTe d  , f te  o  v h h l  n m e nvy  e  p l f  t n .  f h e  a d  a e  t h u p emiy u et c ctp cs  e  a rl d dao ot gd tn e . a r  ldc s h o re  e ot mn easnait f  ru o pjt p a i ss  ne r s f  a gi t rzi h a a r c n s e  o h a n  e  i o K y rsc pt sec sea ; utn j t tdrz e w d;  u r ne c l g dao p e ;  a id o o ec m i p it r i r c sn d e y a o a ( 责任编辑: 岩) 冷

A t th r an cs  l t ei ts e o  t ro t pe,   cT g uipei vl hrus untpy  tn l t br :e  t r t i i a qr h t t alhy  a arc s a a o o a  n t  e  s  e a c o d j t k  e a d p o u j

万方数据


相关文档

人工神经网络ANN及其MAtlab仿真
基于MATLAB的BP人工神经网络设计
用MATLAB语言编程设计
“人工神经网络”教学中的Matlab仿真工程实践
课程设计用MATLAB语言编程设计通信仿真教学软件论文
第二章 MATLAB语言的使用与程序设计
基于MATLAB语言的线性系统校正方法的仿真研究毕业设计
计算机控制与仿真-第7章 MATLAB程序设计语言
用MATLAB语言实现IIR滤波器的设计
实验一 MATLAB语言基础 控制系统的matlab仿真与设计 王海英 高等教育出版社
电脑版