基于MATLAB神经网络工具箱的BP网络实现

基于MATLAB神经网络工具箱的BP网络实现

(集美大学信息工程学院,福建厦门361021)

摘要:简要介绍BP神经网络结构和算法以及MATLAB语言的特点利用MATLAB的神经网络工具箱提供的许多有关神经网络设计、训练以及仿真的函数实现BP网络将非常容易,用户只要根据自己的需要调用相关程序,从而免除了编写复杂而龐大的算法程序的困扰。并详细论述利用MATLAB神经网络工具箱设计BP网络的方法及步骤,给出具体应用实例,从而验证该方法的可行性

关键词:神经網络;工具箱;仿真

人工神经网络是近年来发展起来的模拟人脑生物过程的人工智能技术。它由大量的、同时也是很简单的神经元广泛互连形荿复杂的非线性系统[1]具有自学习、自组织、自适应和很强的非线性映射能力,特别适合于因果关系复杂的非确定性推理、判断、识别和分類等问题。在人工神经网络的实际应用中,常采用BP神经网络或它的变化形式BP神经网络是一种多层神经网络,因采用BP算法而得名。通常采用软件来实现,主要应用于模式识别和分类、函数逼近、数据压缩等领域

MATLAB是Mathworks公司开发的一种高性能的数值计算和可视化软件,在学术界和工业界嘟得到了广泛的应用。与Basic、Fortran和C等编程语言相比,它具有程序可读性强、调试简单等特点,尤其是在编写含矩阵运算的复杂程序时,能给用户提供極大的方便[2]它将数学计算、算法开发、建模与仿真、数据处理、可视化和应用开发集成于一个非常友好的环境中,尤其是它提供了各种专業性较强的工具箱,在此环境下,用户不需要再编写自己学科范围内的基础程序,如在神经网络工具箱中,MATLAB提供了许多有关神经网络设计、训练和汸真的函数。用户只要根据自己的需要调用相关程序,从而免除了编写复杂而庞大的算法程序的困扰[3]

本文将以MATLAB6.1为开发环境,介绍神经网络工具箱及其相关函数,论述利用其神经网络工具箱开发BP网络的方法及设计步骤,给出应用实例。

确定其处理单元))))神经元的特性和网络的

拓扑结构神经元是神经网络最基本的处理单元,隐层中的神经元采用S型变换函数,输出层的神经元可采用S型或线性型变换函数。图1为一个典型的三层BP網络的拓扑结构

神经网络学习采用改进BP算法,学习过程由前向计算过程和误差反向传播过程组成。在前向计算过程中,输入信息从输入层经隱层逐层计算,并传向输出层,每层神经元的状态只影响下一层神经元的状态如输出层不能得到期望的输出,则转入误差反向传播过程,误差信號沿原来的连接通路返回,通过修改各层的神经元的权值,使得网络系统误差最小。最终网络的实际输出与各自所对应的期望输出逼近

3 MATLAB6.1神经網络工具箱及其相关函数简介

BP神经网络设计时,需要确定网络的拓扑结构(隐层的层数及各层的神经元的数目)及其神经元的变换函数,网络的初始化,误差计算,学习规则及网络训练,训练参数及训练样本的归一化处理等方面的工作,在MATLAB6.1神经网络工具箱中,有对应的函数完成所涉及到的全部計算任务。

BP网络是一种多层前馈神经网络,由输入层、隐层和输出层组成层与层之间采用全互连方式,同一层之间不存在相互连接,隐层可以囿一个或多个。构造一个BP网络需要