定制神经网络的实现-神经网络的个性化建模与仿真.zip

%% Matlab神经网络43个案例分析 % 定制神经网络的实现-神经网络的个性化建模与仿真 % by 王小川(@王小川_matlab) % http://www.matlabsky.com % Email:sina363@163.com % http://weibo.com/hgsz2003 %% 清空环境变量 clear all clc warning off %% 建立一个“空”神经网络 net = network %% 输入与网络层数定义 net.numInputs = 2; net.numLayers = 3; %% 使用view(net)观察神经网络结构。 view(net) % 此时神经网络有两个输入，三个神经元层。但请注意：net.numInputs设置的是 % 神经网络的输入个数，每个输入的维数是由net.inputs{i}.size控制。 %% 阈值连接定义 net.biasConnect(1) = 1; net.biasConnect(3) = 1; % 或者使用net.biasConnect = [1; 0; 1]; view(net) %% 输入与层连接定义 net.inputConnect(1,1) = 1; net.inputConnect(2,1) = 1; net.inputConnect(2,2) = 1; % 或者使用net.inputConnect = [1 0; 1 1; 0 0]; view(net) net.layerConnect = [0 0 0; 0 0 0; 1 1 1]; view(net) %% 输出连接设置 net.outputConnect = [0 1 1]; view(net) %% 输入设置 net.inputs net.inputs{1} net.inputs{1}.processFcns = {'removeconstantrows','mapminmax'}; net.inputs{2}.size = 5; net.inputs{1}.exampleInput = [0 10 5; 0 3 10]; view(net) %% 层设置 net.layers{1} % 将神经网络第一层的神经元个数设置为4个，其传递函数设置为“tansig”并 % 将其初始化函数设置为Nguyen-Widrow函数。 net.layers{1}.size = 4; net.layers{1}.transferFcn = 'tansig'; net.layers{1}.initFcn = 'initnw'; % 将第二层神经元个数设置为3个，其传递函数设置为“logsig”，并使用“initnw”初始化。 net.layers{2}.size = 3; net.layers{2}.transferFcn = 'logsig'; net.layers{2}.initFcn = 'initnw'; % 将第三层初始化函数设置为“initnw” net.layers{3}.initFcn = 'initnw'; view(net) %% 输出设置 net.outputs net.outputs{2} %% 阈值，输入权值与层权值设置 net.biases net.biases{1} net.inputWeights net.layerWeights %% 将神经网络的某些权值的延迟进行设置 net.inputWeights{2,1}.delays = [0 1]; net.inputWeights{2,2}.delays = 1; net.layerWeights{3,3}.delays = 1; %% 网络函数设置 % 将神经网络初始化设置为“initlay”，这样神经网络就可以按照 % 我们设置的层初始化函数“ initnw”即Nguyen-Widrow进行初始化。 net.initFcn = 'initlay'; % 将神经网络的误差设置为“mse”（mean squared error），同时将神经网络的训练函数 % 设置为“trainlm”Levenberg-Marquardt backpropagation)。 net.performFcn = 'mse'; net.trainFcn = 'trainlm'; % 为了使神经网络可以随机划分训练数据集，我们可以将divideFcn设置为“dividerand”。 net.divideFcn = 'dividerand'; % 将 plot functions设置为：“plotperform”,“plottrainstate” net.plotFcns = {'plotperform','plottrainstate'}; %% 权值阈值大小设置 net.IW{1,1}, net.IW{2,1}, net.IW{2,2} net.LW{3,1}, net.LW{3,2}, net.LW{3,3} net.b{1}, net.b{3} %% 神经网络初始化 net = init(net); net.IW{1,1} %% 神经网络的训练 X = {[0; 0] [2; 0.5]; [2; -2; 1; 0; 1] [-1; -1; 1; 0; 1]}; T = {[1; 1; 1] [0; 0; 0]; 1 -1}; Y = sim(net,X) %% 神经网络的训练参数 net.trainParam %% 训练网络 net = train(net,X,T); %% 仿真来检查神经网络是否相应正常。 Y = sim(net,X)