《人工智能导论》课程研究总结

《人工智能导论》课程研究总结题目：神经网络的非线性函数拟合班级：姓名：学号：年月日本次作业我负责程序的编写，过程如下Matlab软件中包含Matlab神经网络工具箱是以人工神经网络理论为基础Matlab语言构造出了该理论所涉及的公式运算操作和方程求解等大部分子程序以用于神经网络的设计和训练只根据自的需要调用相关的子程序以完成包括网络结构设计、权值初始化网络训练及结果输等在内的一系列工作除编写复杂庞大程序的困扰目前，Matlab神网络工具包包括的网络有感知器、线性网络神网络、径向基网络、自组织网络和回归网络等神网络主要用到、和train3个经网络函数，各函数解释如下。1：神经网络参数设置函数函数功能：构建一个BP神网络。函数形式：=（，，，，，，IPF，，）P：入据矩阵。T：出数据矩阵。S：隐含层结点数。：点传递函数，包括硬限幅传递函数，对称硬限幅传递函数，性传递函数pureline，正切S型递函数，数型传递函数。：训练函数，包括梯度下降P算法训练函数，动量反传的梯度下降算法训练函数，动态自适应学习率的梯度下降BP算法训练函数，量反传和动态自适应学习率的梯度下降BP算训练函数的BP算法训练函数。：络学习函数包括BP学规learngd，带动量项的BP学习规则learngdm。PF：性能分析函数，包括均值绝对误差性分析函数mae，均方差性能分析函数。IPF：输入处理函数。OPF输出处理函数。DDF验证数据划分函数。一般在使用过程中设置前面个数，后面个数采用系统默认参数。2train：神经网络训练函数函数功能：用训练数据训练神经网络。函数形式：，tr]=（，，，AiNET：训练网络。X输入数据。T：出数据。Pi初始化输入层条件。Ai初始化输出层条件。：练好的网络tr：训练过程记录。

一般在使用过程中设置前面个数，后面个数采用系统默认参数。3sim：BP神经网络预测函数、函数功能：用训练好的BP神网络预测函数输出。函数形式：=sim（net，）：练好的网络x：输入数据。y：络预测数据。程序代码：%%清环境变量clcclear%%训数据预测数提取及归一化%导输入输出数据loaddatainputoutput%从到2000间随机排序k=rand(1,2000);[m,n]=sort(k);%随机选择组练数据和组测数据input_train=input(n(1:1900),:)';output_train=output(n(1:1900));input_test=input(n(1901:2000),:)';output_test=output(n(1901:2000));%训练数据归一化[inputn,inputps]=mapminmax(input_train);[outputn,outputps]=mapminmax(output_train);%%BP网训练%初化BP网结构net=newff(inputn,outputn,5);%网参数配置（迭代次数、学习率、目标）net.trainParam.epochs=100;net.trainParam.lr=0.1;net.trainParam.goal=0.00004;%网训练net=train(net,inputn,outputn);%%BP网预测%预数据归一化inputn_test=mapminmax('apply',input_test,inputps);%网预测输出an=sim(net,inputn_test);%网输出反归一化BPoutput=mapminmax('reverse',an,outputps);%%结分析figure(1)

plot(BPoutput,':og')holdonplot(output_test,'-*');legend('预输出,'期望输出title('BP网络预测输出,'fontsize',12)函输,'fontsize',12)xlabel('样,'fontsize',12)%预误差error=BPoutput-output_test;figure(2)plot(error,'-*')title('BP网络预测误差,'fontsize',12)ylabel('误,'fontsize',12)xlabel('样,'fontsize',12)figure(3)plot((output_test-BPoutput)./BPoutput,'-*');title('神网络预测误差百分)errorsum=sum(abs(error))感受与体会本次课程设计使我受益匪浅使我更加深入的了解了硬件设计的整个流程且深了我对技术这门的课内容的理解