实验五BP神经网络的构建与使用(一).doc

人工神经网络实验五 BP神经网络的构建与使用（一）  一、  实验目的1、熟悉MATLAB中神经网络工具箱的使用方法；2、掌握BP神经网络的特性和应用范围；3、掌握使用BP神经网络解决实际问题的方法； 二、  实验内容：   在第四次实验中，试图用线性神经网络求解函数逼近问题，从实验的结果可以看到未能达到预期的效果，下面使用BP神经网络来求解函数逼近问题：1、 有21组单输入矢量和相对应的目标矢量，参考书《神经网络实验教程》P36的示例程序，试设计一个BP神经网络来实现这对数组的函数关系BP神经网络的部分参数输入与目标数据如下：BP神经网络参数：隐含层神经元个数为5个，设置BP神经网络的最大训练次数为1000提示：正确选择输入层到隐含层、隐含层到输出层的激活函数，tansig的定义域为负无穷到正无穷，值域为-1到1，logsig的定义域为负无穷到正无穷，值域为0到1；为观察训练后神经网络的效果，可以利用sim()函数（参见书P22）和plot()函数（参见书P15）在同坐标中画出输入数据和期望目标数据、测试数据和测试数据输出的图形输入数据：P=-1:0.1:1期望目标数据：T=[-0.96、0.577、 -0.0729、 0.377、0.641、0.66、0.461、0.1336 、0.201、-0.434、-0.5、-0.393、-0.1647、0.0988、0.3072、 0.396、0.3449、0.1816、-0.0312、-0.2183、-0.3201]（注意：为了清楚的表示数据，我在数据间加了逗号，同学们在MATLAB中使用进请将逗号改为空格）截图：代码：P=-1:0.1:1;T=[-0.96 0.577 -0.0729 0.377 0.641 0.66 0.461 0.1336 0.201 -0.434 -0.5 -0.393 -0.1647 0.0988 0.3072 0.396 0.3449 0.1816 -0.0312 -0.2183 -0.3201];%创建一个BP神经网络，每一个输入向量的取值范围为[-1 ,1]，隐含层有5个神经元，输出层%有一个神经元，隐含层的激活函数为tansig，输出层的激活函数为logsig，训练函数为梯度下%降函数，即2.3.2节中所描述的标准学习算法net=newff([-1 1],[5,1],{'tansig','tansig'},'traingd');%可以改变训练步数为3000、5000、10000来查看网络的训练结果net.trainParam.epochs=5000;%目标误差设为0.01net.trainParam.goal=0.01;%设置学习速率为0.1LP.lr=0.1;net=train(net,P,T);y=sim(net,P);figurehndl1=plot(P,y);%设置线宽为2set(hndl1,'linewidth',2);%设置线的颜色为红色set(hndl1,'color','red');hold onhndl2=plot(P,T);set(hndl2,'linewidth',2);%设置图形标题title('BP神经网络逼近非线性函数的MATLAB实现');%设置图例legend('BP神经网络逼近非线性函数','原数据')2、对1中建立的BP神经网络进行测试，测试数据为：P2=-1:0.025:1 并对测试结果进行分析，3、当最大训练次数设置为3000、5000、10000时，分析网络的输出效果。

  注：实验报告中,在实验内容这部分要画出你的神经网络的结构、写上MATLAB源代码及运行结果、并大致画出实验中的输出图形三、实验总结       实验中产生了什么问题？是如何解决的？还存在什么有待进一步解决的问题？本次实验的收获实验报告请按上面格式书写。