智能控制课程设计 采用 BP 网络进行模式识别

1、智能控制课程设计报告题目：采用 BP网络进行模式识别院系：专业：姓名：学号：指导老师：期：年月日目录1、 课程设计的目的和要求32、 问题描述33、 源程序34、 运行结果65、 总结7可编辑范本课程设计的目的和要求目的：1、通过本次课程设计进一步了解BP网络模式识别的基本原理,掌握BP网络的学习算法2、熟悉matlab语言在智能控制中的运用，并提高学生有关智能控制系统的程序设计能力要求：充分理解设计内容，并独立完成实验和课程设计报告问题描述采用BP网络进行模式识别。训练样本为3对两输入单输出样本，见表7-3。是采用BP网络对训练样本进行训练，并针对一组实际样本进行测试。用于测试的3组样本输入

2、分别为1,0.1;0.5,0.5和0.1,0.1表7-3训练样本说明：该BP网络可权值wij,wjl的初始值取1-1,+1之间的随机值，学习参数刀=0.5,行0.05.取网络训练的最终指标E=10八（-20）,在仿真程序中用w1,w2代表wij,wjl,用lout代表*j。源程序%网络训练程序clearall;closeall;xite=0.50;alfa=0.05;w2=rands(6,1);w2_1=w2;w2_2=w2;w1=rands(2,6);w1_1=w1;w1_2=w1;dw1=0*w1;I=0,0,0,0,0,0'Iout=0,0,0,0,0,0'FI=0,0,

3、0,0,0,0'k=0;E=1.0;NS=3;whileE>=1e-020k=k+1;times(k)=k;fors=1:1:NSxs=1,0;0,0;0,1;ys=1,0,-1'x=xs(s,:);forj=1:1:6I(j)=x*w1(:,j);Iout(j)=1/(1+exp(-I(j);endy1=w2'*Iout;el=0;y=ys(s,:);el=el+0.5*(y-y1(1)42;es(s)=el;E=0;ifs=NSfors=1:1:NSE=E+es(s);endendey=y-y1;w2=w2_1+xite*Iout*ey+alfa*(w2_1-

4、w2_2);forj=1:1:6S=1/(1+exp(-I(j);FI(j)=S*(1-S);endfori=1:1:2forj=1:1:6dw1(i,j)=xite*FI(j)*x(i)*ey(1)*w2(j,1)endendw1=w1_1+dw1+alfa*(w1_1-w1_2);w1_2=w1_1;w1_1=w1;w2_2=w2_1;w2_1=w2;endEk(k)=E;endfigure(1);plot(times,Ek,'r');xlabel('k');ylabel('E');savewfilew1w2;%网络训练程序可编辑范本clea

5、rall;loadwfilew1w2;x=1,0.1;0.5,0.5;0.1,1；fo门=1:1:3forj=1:1:6I(i,j)=x(i,:)*w1(:,j);Iout(i,j)=1/(1+exp(-I(i,j);endendy=w2'*Iout'y=y'运行结果样本训练的收敛过程1234507311.72B9-0.1291G-0141270.93304-0.37fG2I.59272-1.5S670.73377106790.S4SB3,100740761653456789101112W1的值123457312-1.04333-0.990324013435-C.406

6、6360629687Q91011W2的值输入输出10.10.91590.50.50.00870.11-0.9190测试样本及结果总结本次课程设计对我们来说还是存在一定的难度的，毕竟在这之前一直就没有做过课程设计，对BP网络识别理论感到生疏，另外对matlab软件也并不熟悉，属于现学现用的那种，但这却激发着我们对知识的渴望，不断地上网查资料，一遍又一遍的翻着书本，不断地探索着BP网络模式识别的原理，反复地研读着书本上的例题，让我们原本望而止步的事情终究是在我们的努力之下完成了！通过本次课程设计，进一步了解了神经网络自学习、自组织和并行处理等特征，体会到了它强大的模式识别能力，熟悉了BP神经网络的学习算法，同时也体验了matlab软件在智能控制系统应用中强悍的数据处