基于matlab的神经网络实践

1.神经网络中常用的函数

2.神经网络训练模型

2.1神经网路运行相关数据

2.2神经网路运行结果

3.参考文献

1.神经网络中常用的函数

神经网络发展至今已有约30年左右，其早已被集成在matlab的函数中，在本节中我们将介绍一些基于神经网络工具箱函数的实例，以便于读者更加深入的理解。

①feedorwardnet函数

函数调用形式为：

该函数的主要作用是定义网络的结构及网络的形式。

hiddenSizes用于定义网络隐层的层数，以及每一层神经元个数，默认情况下为单层10个神经元；trainFcn用于定义网络的形式，默认情况下为式反馈网络。

②configure函数

函数调用形式为：

该函数的主要作用是设置网络输入和输出大小和范围、设置输入预处理、输出后处理和权重初始化以及匹配输入和目标数据的过程。

net为feedorwardnet函数设置的网络，

x为输入数据，

t为目标数据。

值得注意的一点是configure网络在配置网络时初始权重是随机的。

③train函数

函数调用形式为：

该函数的主要作用为需要神经网络模型。

net为configure配置的初始网络；为初始网络输入延迟条件默认为0；为输入层延迟条件默认为0；表示权重偏差；表示训练构成的记录值。

2.神经网络训练模型

利用1节中的3个函数，我们设计一个简单的神经网络训练模型，其参数设置以及相应程序如下所示:

clc,clear
x=[0 1 2 3 4 5 6 7 8];%输入参数
t=[0 0.5 1 0.2 -0.5 -0.8 2 0.5 0.6];%理想目标值
net=feedforwardnet(20);%定义神经网络有一层隐层，且神经元数量为20
net=configure(net,x,t);%对网络数据进行初始化的预处理
y1=net(x);%初始网络对输入进行计算得到的值
net=train(net,x,t);%对神经网络进行训练并输出训练后的网络
y2=net(x);%训练后的网络对输入进行计算得到的值
plot(x,t,'o',x,y1,'-',x,y2,'*')
legend('目标值','初次运算值','经过训练后的值')

2.1神经网路运行相关数据

①网络结构

包含输入、隐藏层、输出等。

图1 神经网路结构

②算法实现过程

图2 神经网路算法实现过程

③计算过程中的一些参数

图3 神经网路计算过程参数

2.2神经网路运行结果

下图中包含有三组数据，分别为目标数据、网络初次运算后的值以及网络经过训练后得到的值。可以看到在神经网络初次计算时效果并不好，没有一次运算正确，而在网络经过训练后成功率显著提升。

图3 神经网路运算结果

3.参考文献

夏瑜潞. 人工神经网络的发展综述[J]. 电脑知识与技术, 2019(20).
基于BP神经网络的内燃机排放性能建模与应用研究[D]. 西南交通大学, 2004.
周志华, 王珏. 机器学习及其应用2009[M]. 清华大学出版社, 2009.
周志华. 《机器学习》[J]. 中国民商, 2016, 03(No.21):93-93.
刘方, 徐龙, 马晓迅. BP神经网络的发展及其在化学化工中的应用[J]. 化工进展, 2019, 38(06).