基于MATLAB神经网络工具箱的BP网络实现
第２１卷第５期计算机仿真２００４年５月＝＝＝——＝＝＝一＝—＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝—＝＝＝＝—＝＝＝＝——＝＝＝＝＝＝＝＝＝—＝＝＝＝＝＝＝一＝＝＝＝一
文章编呼：１００６—９３４８（２００４）０５—０１０９—０３
基于ＭＡＴＬＡＢ神经网络工具箱的ＢＰ网络实现
罗成汉
（集美大学信息工程学院，福建厦门３６１０２１）
摘要：墒要介绍ＢＰ｝申经网络结构和算法以及ＭＡＴＩ．Ｍ３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没ｉ｛．、ｉ＿｜｜｜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ｊ，编写复杂而庞大的算法程序的困扰。并详细论述利用ＭＡＴＬＡＢ神经网络ｒ：具箱设计ＢＰ网络的方法及步骤，给出具体应用实例，从而验诅：该力＋法的可行性。
关键词：神经网络：工具箱；仿真
中图分类号：＂Ｗ３１１．５２文献标识码：Ａ
１引言
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：Ｉ＝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成复杂的非线性系统…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、识别和分类等问题。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。
ＭＡＴ［ＡＢ是Ｍａｔｈｗｏｒｋｓ公司开发的～种高性能的数值汁算和可视化软件，在学术界和工业界都得到了广泛的应用。与Ｂａｓｉｃ、Ｆｏｒｔｒｍ、和Ｃ等编程语言相比，它具有程序可渎性强、调试简单等特点，尤其是在编写含矩阵运算的复杂程序时，能给用户提供极大的方便１２ｊ。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?个非常友好的环境中，尤其是它提供了各种专业性较强的：【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、训练和仿真的函数。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【＝¨。
本文将以～ＩＡＴＩＡＢ６．１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。
２ＢＰ网络模型
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，隐层可以有一个或多个。构造一个ＢＰ网络需要
收稿Ｉｊ期：２００３—０３一（）６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网络的拓扑结构。
输入层臆层输出层
图１网络结构示意图
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隐层逐层计算，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，误差信号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。
３ＭＡａｌＡＢ６．１神经网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计算任务。
一１０９—
３．１设计ＢＰ网络的相关函数
１）神经元变换函数：线性变换函数ｐｕｒｅｌｉｎ、对数ｓ型变换函数ｌｏｇｓｉｎ、双曲线正切Ｓ型变换函数ｔａｎｓｉｇ。
２）ＢＰ网络生成函数ｎｅｗｆｆ：它是用来生成ＢＰ神经网络并进行初始化，可以确定网络层数、每层中的神经元数和变换函数。这个函数有六个输入参数，分别是：输入向量的范围、网络结构、各层变换函数、训练算法函数、学习函数和性能函数。输出参数为所生成的ＢＰ神经网络名ｎｅｔ。其语法为：ｎｅｔ＝ｎｅｗｆｆ（ＰＲ，ｌＳｌ，ｓ２…，ＳＮｌ］，【ＴＦｌ，ＴＦ２，…ＴＦＮｌ］，ＢＴＦ，ＢＬＥ，Ｉ）Ｆ）
其中：ＰＲ是一个由每个输入向量的最大最小值构成的Ｒｘ２矩阵，Ｒ为输人神经元数目。
ｓｉ是第ｉ层网络的神经元个数．网络共有Ｎ１层。
１Ｆｉ是第ｉ层网络神经元的变换函数，缺省为ｔａｎｓｉｇ．
ＢＴＦ是ＢＰ训练算法函数，缺省为ｔｒａｉｒｄｍ．
ＢＬＦ是学习函数，缺省为ｌｅａｒｎｇｄｍ．
ＰＦ是性能函数，缺省为ｍｓｅ．
ｎｅｗｆｆ在确定网络结构后会自动调用初始化函数ｉｎｉｔ，用缺省参数来初始化网络中各个权值和阈值，产生一个可训练的前馈网络，即该函数的返回值ｎｅｔ。在ＭＡＴＬ＆Ｂ中，神经网络ｎｅｔ当做对象（ｏｂｊｅｃｔ）处理，其属性用结构来定义。
３）初始化函数ｉｎｉｔ：它是对网络的连接权值和阈值进行初始化。ｎｅｗｆｆ在创建网络对象的同时，自动调动初始化函数，根据缺省的参数对网络进行连接权值和阈值初始化。
４）学习函数：提供多种学习函数，用来修正权值和阈值。基本的学习函数有：ｌｅａｒｎｇｄ、ｌｅａｒｎｇｄｍ。
５）性能函数：它是用来计算网络的输出误差。为训练提供判据，包括：函数ｍａｃ，计算网络的平均绝对误差；函数ｎ雠，计算网络的均方误差；函数ｍｓｅｒｅｇ，计算均方误差和权／阈值的加权；函数Ｓｓｅ，计算网络的均方误差和。
６）ｉ）Ｊｌ练函数ｔｒａｉｎ：
ＢＰ网络的训练初始化后，可对它进行训练。在ＭＡＴＬＡＢ中训练网络有两类模式：逐变模式和批处理模式。在逐变模式中，每输入一个学习样本就根据网络性能指标函数对连接权值和阈值更新一次。在批处理模式中，所有的学习样本都学习完成后，连接权值和阈值才被更新一次。使用批处理模式不需要为每一层的连接权值和阈值设定训练函数，而只需为整个网络指定－个训练函数，使用起来相对方便，而且许多改进的快速训练算法只能采用批处理模式。
训练网络的函数是ｔｒａｉｎ按设置的ｎｅｔ．ｔｒａｉｎＦｃｎ和ｎｅｔ．ｔｒａｉｎＰｍｔｕｎ参数来洲练网络，采用批处理方式进行网络的权值和闯值修正，最终达到设定的网络性能指标的要求。
７）ＢＰ训练算法函数：它是根据网络的输入、目标期望输出，对由函数ｎｅｗｆｆ生成的ＢＰ网络进行计算，修正其权值和阈值，最终达到设定的网络性能指标的要求。不同的训练算法函数对应不同的训练算法，如ｔｒａｉｎｇｄ对应最基本梯度下降法；ｔｒａｉｎｇｄｍ带有动量项的梯度下降法；ｔｒａｉｎｇｄｘ带有采用动一ｌ１０一量项的自适应算法；用共轭梯度法进行训练的函数有：ｔｒａｉｎｃｇｆ（采用Ｆｌｅｔｃｈｅｒ—Ｒｅｅｖｅｓ搜索技术）、ｔｒａｉｎｃｇｐ（采用Ｐｏｌａｋ—Ｒｉｂｉｅｒｓ搜索技术）、ｔｒａｉｎｃｇｂ（采用Ｐｏｗｅｌｌ—Ｂｅａｌｅ搜索技术）；ｔｒａｉｎｂｆｇ是基于拟牛顿法的训练函数；ｔｒａｉｎｌｍ是用Ｌｅｖｅｒｄａｅｒｇ—Ｍａｒｑｕａｒｄｔ数值优化法来实现误差反传算法的。各算法的快慢及内存要求依问题的复杂程度、训练集大小、网络的大小及误差要求的不同而有所不同。一般来讲，对于含有几百个权重的网络，Ｌｅｖｅｔｆｉ，ｅｒｇ—Ｍａｒｑｕａｒｄｔ算法有最快的收敛速度。该算法需要大的内存，可通过增大参数ｍｅｍ—ｒｅｄｕｃ的值来减少内存的使用量。需要注意的是：减少内存使用量实际是通过将雅可比矩阵分解为一个个小的亚矩阵来实现的，每次只计算其中一个亚矩阵，这势必增加计算时间，所以，如果有足够的内存，应该将ｍｅｍ—ｒｅｄｕｃ参数设为１，即每次都计算整个雅可比矩阵。拟牛顿算法的速度仅次于Ｌｅｖｅｎｂｅｒｇ—Ｍａｒｑｕａｒｄｔ算法而比共轭梯度法的速度快，内存的需要量也介于这二者之间。在共轭梯度法中，ｔｒａｉｎｃｇｂ需要的内存数量最多，但通常也能最快收敛。总地来讲，基于共轭梯度法、拟牛顿算法和Ｌｅｖｅｎｂｅｒｇ—ＭａｒｑｕａＩｄｔ法等数值优化算法的训练函数的效率比基于启发式算法的ｔｒａｉｎｇｄ、ｔｒａｉｎｇｄｍ、ｔｒａｉｎｇｄｘ的效率高。以上的训练算法函数均在网络生成函数ｎｅｗｆｆ中预先设置。
８）仿真函数ｓｉｒｅ：可以用来计算网络在给定输入下的输出。
９）绘图函数ｐｏｈｐｅｒｆ：可以用来计算网络性能曲线Ｌ４’５Ｊ。３．２数据预处理
如果对神经网络的输入和输出数据进行一定的预处理，可以加快网络的训练速度。ＭＡＴＬＡＢ提供的预处理方法有：归一化处理（将每组数据都变为一１至１之间数，所涉及的函数有ｐｒｅｍｎｍｘ、ｐｏｓｔｍｎｍｘ、ｔｒａｍｎｍｘ）、标准化处理（将每组数据都为均值为０，方差为１的一组数据，所涉及的函数有ｐｒｅｓｔｄ、ｐｏｓｔｓｔｄ、ｔｒａｓｔｄ）和主成分分析（进行正交处理，减少输入数据的维数，所涉及的函数有ｐｒｅｐｃａ、ｔｒａｐｃａ）。
下面以归一化处理为例说明其用法，对于输入矩阵Ｐ和输出矩阵ｔ进行归一化处理的语句为：［ｐｎ，ｍｉｎｐ，ｍａｘｐ，ｔｎ，ｆｎｉｎｔ，ｍａｘｔ］＝ｐｒｅｍｍｎｘ（Ｐ，ｔ）；训练时应该用归一化之后的数据，即：ｎｅｔ＝ｔｒａｉｎ（ｎｅｔ，ｐｎ，ｔｎ）；训练结束后还应对网络的输出ａｎ＝ｓｉｒｅ（ｎｅｔ，ｐｎ）作如下处理：ａ＝ｐｏｓｔｍｎｍｘ（ａｎ，ｍｉｎｔ，ｍａｘｔ）；当用训练好的网络对新数据ｐｎｅｗ进行预测时，也应作相应的处理：ｐｎｅｗｎ＝ｔｒａｍｒｍＬｘ（ｐｎｅｗ，ｍｉｎｐ，ｍａｘｐ）；ａｌｌｅＷｌ＇ｌ＝ｓｉｒｅ（ｎｅｔ，ｐｎｅｗｎ）；ａｎｅｗ２ｐｏｓｔｍｎｍｘ（ａｎｅｗ，ｍｉｎｔ，ｍａｘｔ）。
３．３训练数据的导入方法
要对ＢＰ网络进行训练，必须准备训练样本。对样本数据的获取，有以下几种方法供选择，具体采用那种方法，取决于数据的多少，数据文件的格式等。
用元素列表方式直接输入数据。
创建数据文件，通过ＭＡＴＬＡＢ提供的装载数据函数，从数据文件中读取。
函数ｌｏａｄ适合从ＭＡＴ文件、ＡＳＣＩＩ文件中读取数据；ＭＡＴＬＡＢＩ／Ｏ函数适合从其它应用中的数据文件中凑取数据；还可以通过数据输入向导（ＩｍｐｏｒｔＷｉｚａｒｄ）从文件或剪贴板中读取数据，单击Ｆｉｌｅ菜单下的“ＩｍｐｏｒｔＤａｔａ…”将出现“ＩｍｐｏｒｔＷｉｚａｒｄ”窗口，通过该窗口进行设置．该方法不适合从Ｍ文件中渎取数据。
４ＢＰ神经网络的ＭＡＴＬＡＢ实现
４．１网络设计步骤
在进行ＢＰ神经网络设计时，需要考虑以下问题：网络的拓扑结构（隐层的层数及各层的神经元的数目）；神经元的变换函数选取；网络的初始化（连接权值和阈值的初始化）；训练参数设置；训练样本的归一化处理；样本数据导入方式等。
根据以上分析可知，对于网络的实现有四个基本的步骤：
①网络建立：通过函数ｎｅｗｆｆ实现，它根据样本数据自动确定输入层、输出层的神经元数目；隐层神经元数目以及隐层的层数、隐层和输出层的变换函数、训练算法函数需由用户确定。
②初始化；通过函数ｉｎｉｔ实现，当ｎｅｗｆｆ在创建网络对象的同时，自动调动初始化函数ｉｎｉｔ，根据缺省的参数对网络进行连接权值和阈值初始化。
③网络训练：通过函数ｔｒａｉｎ实现，它根据样本的输入矢量Ｐ、目标矢量ｎ和预先已设置好的训练函数的参数；对网络进行训练。
④网络仿真：通过函数ｓｉｍ实现，它根据已训练好的网络，对测试数据进行仿真计‘算。
４．２设计实例
为ｖ『验证ＢＰ网络的非线性映射功能，在实例中建立一个只有一个隐层的ＢＰ网络来逼近正弦函数。为此选取样本数据为：输入矢量Ｐ＝０：０．１：２．＊ｐｉ，输出矢量Ｔ＝ｓｉｎ（Ｐ）；选取隐层神经元数Ｅ１为５；隐层和输出层的变换函数分别为双曲正切Ｓ函数和线性函数，训练函数为ｔｒａｉｎｌｍ。
在ＭＡＴＩＡＢ指令窗口中，通过编写以下程序来实现：
％输入样本数据
Ｐ＝０：０．１：２．“ｐｉ；
Ｔ＝ｓｉｎ（Ｐ）；
％建立网络
ｎｅｔ＝ｎｅｗｆｆ（［０，２．“ｐｉ］，［５，１］，｛’ｔａｎｓｉｇ’，’ｐｕｒｅｌｉｎ’｝，’ｔｒａｉｎｌｉｌｌ’）：
％初始化
ｎｅｔ＝ｉｎｉｔ（ｎｅｔ）；
％网络训练
ｎｅｔ．ｔｒａｉｌｃＰａｒａｍ．ｓｈｏｗ＝１００；％设置训练显示间隔次数
ｎｅｔ．ｔｒｆｌｉＩＩＰｌｔｆＲｌｌｌ．ｅｐｏｃｈｓ＝２００００；％设置最大训练循环次数
ｎｅｔ．ｔｒａｉｎＰａｒａｍ．ｇｏａｌ＝０．０００１；％设置性能目标值
ｎｅｔ．ｔｒａｉｎＰａｒａｍ．１ｒ＝０．０１；％设置学习系数
［ｎｅｔ，ｔｒ］＝ｔｒａｉｎ（ｎｅｔ，Ｐ，Ｔ）；％网络训练
％网络仿真
Ｐ１＝０：０．０１：２．“ｐｉ；％选取测试的输入数据
Ｔ１＝ｓｉｍ（ｎｅｔ，ＰＩ）；％仿真计算
ｆｉｇｕｒｅ（１）；
ｐｌｏｔ（Ｐ，Ｔ，’＊’，Ｐ１，Ｔ１）％画图
可得到如图２所示的神经网络拟合曲线图。
■
删
制
丑
舞
输入变量ｘ
图２所示的神经网络拟合曲线图
从图２可以得知；训练后的ＢＰ网络能很好地逼近给定的目标函数。当然用户还可使用ＭＡＴＬＡＢ提供的图形用户界面开发工具（ＧＵｔ）设计基于图形用户界面的ＢＰ网络应用系统。
５结束语
ＭＡＴＬＡＢ神经网络工具箱功能强大，它提供了许多有关神经网络设计、训练和仿真的函数。用户只要根据自己的需要调用相关函数，就能方便进行神经网络设计与仿真，从而免除了编写复杂而庞大的算法程序的困扰。
参考文献：
［１］胡守仁．神经网络导论［Ｍ］．长沙：国防科技大学出版社，１９９３．［２］陈以新．ＭＡＴＬＡＢ的几则程序设计经验［Ｊ］．计算机应用，１９９９，１９（９）：５４—５６．
［３］丛爽．面向ＭＡＴＬＡＢ工具箱的神经网络理论与应用［Ｍ］．合肥：中国科学技术大学出版社，１９９８．
［４］楼顺天，施阳．基于ＭＡＴＬＡＢ的系统分析与设计——神经网络［Ｍ］．西安：西安电子科技大学出版社，１９９８．
［５］黄文梅，等．系统仿真分析于设计——ＭＡｒＩＩ．ＡＢ语言工程应用［Ｍ］．长沙：国防科技大学出版社，２００１．２９９—３１２．
［作者简介］
罗成汉（１９７０．４一），男（汉族），湖南衡阳人，硕士，
讲师，主要从事测控系统的设计和仿真的教学、科研
工作。
（下转第１１５页）
进气孑Ｌ”）；
ＲＵＵＺ２
ＦＡＣＩ＂Ｉ）ｉｓｔａｎｃｅＡｄｖｉｃｅ．增程率＞０．１ＡＮＤＤｉｓｔａｎｃｅＡｄ—
ｖｉｃｅ．增程率＜０．１５ＡＮＤ
ＭＩＳＳＩＯＮ．初速要求＝“小”
ＴＨＥＮＷＲＩＴＥＬＮ（“采用底凹弹结构”）；
ＷＲＩＴＥＬＮ（“采用浅底凹，底凹深为０．４～０．
６ｄ”）：
经过推理机的判断执行第二条规则的推理结果继续进行下面的推理。，
５结论
ＳＤＰ采用面向对象的知识表达方式，具有很强的知识表达能力来表达设计对象的概念及设计知识。其知识库具有模块化、系统化的结构。系统的知识表达像是符合人类专家对设计‘问题的认识模式，知识库容易维护，知识库采用散列：二叉树作为知识表达内部结构，具有结构简单、表达能力强、冗余度小且搜索速度高等特点，榴弹总体方案设计专家系统的生成与运用充分证明了设计型专家系统开发平台（ＳＤＰ）的实用性。
参考文献：
［１］尹朝庆，尹皓．人：ｒ智能与专家系统［Ｍ］．北京：中国水利水电出版社．２００２
［２］吴慧中，等机械设计孥辑系统研究与实践［Ｍ］．中国铁道出版衬：．１９９４．
［３］（美）ＪｏｎＢａｌｅｓ，Ｔｉｍｐｉｋｉｎｓ著，何建辉等泽．实用ＶｉｓｕａｌＣ＋＋６．０［Ｍ］．清华大学出版社，２００１—５．
［作者简介］
袁志华（１９６３一），男（汉族），辽宁人，硕士，高级工
程师，主要研究方向为弹丸ＣＡＤ、ＣＡＭ快速制造，以
及虚拟现实技术及系统仿真理论，曾荣获过国家科
技进步一等奖；
王曦（１９６０一），男（汉族），黑龙江人，学士，高级工程师，主要研究方向为计算机图形处理和计算机科学；
郝博（１９６３一），勇（汉族），辽宁人，博士，教授，主要研究方向为机械ＣＡＤ、ＣＡＭ，系统仿真与实时控制。
ＳｔｕｄｙａｎｄＡｐｐｌｉｃａｔｉｏｎｏｆＨｉｇｈ——ＥｘｐｌｏｓｉｖｅＳｈｅｌｌＥｘｐｅｒｔＳｙｓｔｅｍ－－Ｓｉｍｕｌａｔｉｏｎ
ＤｅｓｉｇｎＰｌａｔｆｏｒｍ
ＹＵＡＮＺｈｉ—ｈｕａ，ＷａｎｇＸｉ，ＨＡＯＢｏ
（ＳｈｅｎｙａｎｇＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ，ＳｈｅｎｙａｎｇＬｉａｏｎｉｎｇ１１０１６８，Ｃｈｉｎａ）
ＡＢＳＴＲＡＣＴ：ＡＨＥｓｈｅｌｌｅｘｐｅｒｔｓｙｓｔｅｍ，ｂａｓｅｄｏｎｔｈｅｅｘｐｅｒｔｓｙｓｔｅｍｆｏｒｄｅｓｉｇｎｉｎｇＨＥｓｈｅｌｌ，ｃａｎｉｍｐｌｅｍｅｎｔａｓｅｒｉｅｓｏｆｉｎｔｅＵｉｇｅｎｔｄｅｓｉｇｎｓｓｕｃｈａｓｄｅｓｉｇｎｏｆＨＥｓｈｅｌｌ，ｃｏｎｃｅｐｔｕａｌｄｅｆｉｎｉｔｉｏｎ，ｅｍｕｌａｔｉｏｎａｎａｌｙｓｉｓ，ｃａｌｃｕｌａｔｉｏｎｅｔｃ．ｂｙｍｉｃｒｏｃｏｍｐｕｔｅｒ．Ｉｔｉｓｔｈｅ
ｆｏｔｍｄａｔｉｏｎｏｆｅｍｕｌａｔｉｏｎａｎａｌｙｓｉｓａｎｄｓｉｍｕｌａｔｅｄｍａｎｕｆａｅｔｔｔｒｉｎｇｏｆＨＥｓｈｅｌｌ．ＩｔｕｓｅｓｔｈｅｍｅｔｈｏｄｔｈａｔｔｈｅｋｎｏｗｌｅｄｇｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｉｓｃｏｍｂｉｎｅｄｗｉｔｈｃｏｎｄｉｔｉｏｎｉｎｆｅｒｅｎｃｅｔｏＣａＩＴｙｏｕｔｏｖｅｒａｌｌｄｅｓｉｇｎａｎｄｅｍｕｌａｔｉｏｎａｎｄｒｅｆｅｒｅｎｃｅ．ＴｈｅｐａｐｅｒｇｉｖｅｓｔｈｅｃｏｎｓｔｒｕｃｔｉｏｎｏｆｔｈｅＳＤＰａｎｄｔｈｅｍｅｔｈｏｄｓｂｙｗｈｉｃｈｔｈｅｆｕｎｃｔｉｏｎｓｃａｎｂｅａｃｈｉｅｖｅｄ，自ｖｅｓｔｈｅｍｏｄｕｌａｒｉｚａｔｉｏｎｏｆｒｅｆｅｒｅｎｃｅａｎｄｔｈｅｄｅｓｉｇｎｍｅｔｈｏｄｓｏｆｓｙｓｔｅｍａｔｉｚａｔｉｏｎ，ａｎｄａｌｓｏｐｕｔｓｆｏｒｗａｒｄｔｈｅｍｅｔｈｏｄｏｆｋｎｏｗｌｅｄｇｅｒｅｐ—ｒｅｓｅｎｔａｔｉｎｎａｎｄｗｏｒｋｉｎｇｉｎｔｅｒｆａｃｅ，ａｎｄｓｕｐｐｌｉｅｓａｐｌａｔｆｏｒｍｆｏｒｓｉｍｉｌａｒｐｒｏｄｕｃｔｓｏｆＨＥｓｈｅｌｌｗｈｉｃｈＣａｎｂｅｑｕｉｃｋｌｙｄｅｓｉｇｎｅｄ．
ＫＥＹＷＯＲＤＳ：ｔｉＥｐｍｊｅｃｔｉｌｅ；Ｅｘｐｅｒｔｓｙｓｔｅｍ；Ｓｉｍｕｌａｔｉｏｎ；Ｏｂｊｅｃｔ—ｏｒｉｅｎｔｅｄ；Ｉｎｆｅｒｅｎｃｅｅｎｇｉｎｅ
（上接第１１ｌ页）
ＲｃａｌｉｚｎｔｉｏｎｏｆＢＰＮｅｔｗｏｒｋＢａｓｅｄｏｎＮｅｕａｌＮｅｔｗｏｒｋＴｏｏｌＫｉｔｉｎＭＡＴＬＡＢ
ＬＵ０Ｃｈｅｎｇ—ｈａｎ
（ＩｎｆｏｒｍａｔｉｏｎｅｎｇｉｎｅｅｒｉｎｇｃｏＨｅｇｅ，ＪｉｍｅｉＵｎｉｖｅｒｓｉｔｙ，ＸｉａｍｅｎＦｕｊｉａｎ３６１０２１，Ｃｈｉｎａ）
ＡＩｌｓＴＲＡＣｒ：ＢＰｎｅｔｔｒａｌｎｅｔｗｏｒｋｃｏｎｆｉｇｕｒａｔｉｏｎａｎｄａｌｇｏｒｉｔｈｍ，ａｌｏｎｇｗｉｔｈＭＡＴＬＡＢｌａｎｇｕａｇｅｄｉｓｔｉｎｇｕｉｓｈｉｎｇｆｅａｔｕｒｅａｒｅｐｒｅｓｅｎｔｅｄ．ＴｏａｃｈｉｅｖｅＢＰｎｅｔＷｏｒｋｓｈａｌｌｂｅｖｅｒｙｍｕｃｈｃｏｎｖｅｎｉｅｎｔｔｏｕｔｉｌｉｚｅｔｈｏｓｅｆｕｎｃｔｉｏｎｓｒｅｌｅｖａｎｔｗｉｔｈｎｅｕｒａｌｎｅｔｄｅｓｉｇｎ，ｔｒａｉｎｉｎｇａｎｄｓｉｍｕｌａｔｉｎｇ，ｔｈａｔａｒｅｓｕｐｐｌｉｅｄｗｉｔ｝１ｔｈｅｎｅｕｒａｌｎｅｔｗｏｒｋｔｏｏｌｋｉｔｏｆＭＡＴＬＡＢ，Ｉｆｕｓｅｒｔｒａｎｓｆｅｒｓｒｅｌｅｖａｎｔｗｉｔｈｐｒｏｇｒａｍｏｎｔｈｅｂａｓｉｓｏｆｔｈｅｎｅｃｅｓｓａｒｉｅｓｏｆｓｅｌｆ．ＴｈｅｒｅｂｙｉｔｃａｌｌｂｅａｖｏｉｄｅｄｔｏｃｏｎｌＩ）‘）ｓｅｃｏｍｐｌｅｘ
ａｎｄｉｍｍｅｎｓｅａｌｇｏｒｉｔｈｍｏｒｄｅｒ．ＭｏｒｅｏｖｅｒｍｅｔｈｏｄＵｓｉｎｇｔｈｅＭＡＴＬＡＢｎｅｕｒａｌｎｅｔｔｏｏｌｋｉｔｔｏｄｅｓｉｇｎＢＰｎｅｔｗｏｒｋａｒｅｉｎｔｒｏｄｕｃｅｄｉｎｄｅｔａｉｌ．Ｔｈｅａｐｐｌｉｃａｔｉｏｎｅｘａｍｐｌｅｉｓｇｉｖｅｎｏｕｔ，ｉｔｈａｓｐｒｏｖｅｄｔｈｅｆｅａｓｉｂｉｌｉｔｙｏｆｔｈｅｍｅｔｈｏｄ．
ＫＥＹＷＯＲＩ）ｓ：ＮｅｔＩｒａｌｎｅｔｗｏｒｋ；Ｔｏｏｌｋｉｔ；Ｓｉｍｕｌａｔｉｏｎ
一１ｌＳ—
基于MATLAB神经网络工具箱的BP网络实现
作者：罗成汉
作者单位：集美大学信息工程学院,福建,厦门,361021
刊名：
计算机仿真
英文刊名：COMPUTER SIMULATION
年，卷(期)：2004，21(5)
引用次数：42次
参考文献(5条)
1.胡守仁神经网络导论 1993
2.陈以新Matlab的几则程序设计经验[期刊论文]-计算机应用 1999(9)
3.丛爽面向MATLAB工具箱的神经网络理论与应用 1998
4.楼顺天.施阳基于MATLAB的系统分析与设计--神经网络 1998
5.黄文梅系统仿真分析于设计--MATLAB语言工程应用 2001
相似文献(10条)
1.学位论文崔旖娜基于BP神经网络的辽宁省建筑业评价及预测2006
建筑业是国民经济发展的支柱产业之一，它的健康发展对国民经济有着举足轻重的作用。随着我国加入WTO，建筑市场逐步开放，我国建筑业将直接面对各种机遇与挑战。建筑业一直是辽宁省经济的优势产业之一，研究我省建筑业如何抓住契机，把握机遇，迎接挑战，在激烈的市场竞争中立足，实现向建筑大省强省的历史性跨越十分必要。本论文以辽宁省建设厅前期研究课题为依托，结合建筑业发展特点，进一步深入探索分析，基于BP神经网络对辽宁省建筑业进行综合评价和经济技术指标预测。 本文建立在一个建筑业经济技术综合评价指标体系之上，对辽宁省建筑业发展现状进行科学系统的分析评价，并对各项经济技术指标进行预测。本文在前期课题研究成果基础上，完善了建筑业经济技术综合评价指标体系；完成了所选取十二个省市1994年-2003年建筑业相关指标数据的收集；实现了基于产业经济学理论的建筑业评价；完成了几种综合评价方法在建筑业评价中应用的对比分析；采用层次分析法和模糊综合评价法对辽宁省建筑业进行了综合评价，并以其2002年评价结果作为训练样本，将训练得到的BP神经网络作为综合评价模型，经过仿真得到2003年各省市建筑业综合评分值，进而实现基于BP神经网络的建筑业综合评价，并通过十二个省市综合评分结果的对比分析，客观的评价了辽宁省建筑业发展现状；应用灰色系统和BP神经网络时间序列分析两种方法进行辽宁省建筑业各项经济技术指标的预测，并结合计算结果对两种预测方法进行了对比分析，得出了基于BP神经网络时间序列分析方法的建筑业经济技术指标预测的效果明显优于灰色系统预测的结论；最后，根据评价和预测结果，对政府出台相应政策措施提出建议。 在计算过程中，本文利用前期课题成果，应用VISUALC++语言开发的程序，进行层次分析法、模糊综合评价及灰色系统预测计算；以Matlab6.5为平台，应用Matlab工具箱中的神经网络工具箱(NeuralNetworkToolbox)函数，开发程序，实现基于BP神经网络的建筑业综合评价和经济技术指标预测计算。
2.期刊论文袁兵.甄少华基于MATLAB神经网络工具箱的BP神经网络状态监控器-机床与液压2002(2)
介绍了MATLAB神经网络工具箱的主要函数与算法,并基于MATLAB神经网络工具箱, 设计了B P神经网络状态监控器,应用线性回归分析对其进行了校验,同时以实例验证了其有效性和正确性.
3.期刊论文王坤Visual C++调用Matlab神经网络工具箱的一种实现方法-中国科技信息2008(15)
在Matlab中对神经网络进行训练和仿真,并将训练好的神经网络在Matlab中以.mat文件格式保存,以Visual C++为主要编程软件,给出如何调用Matlab中的神经网络工具箱的方法.Visual C++通过调用Matlab神经网络工具 箱的方法,调用训练好的神经网络,实现Visual C++与Matlab之间的调用.
4.期刊论文胡风华.刘冰.马晓丽.HU Feng-hua.LIU Bing.MA Xiao-li BP神经网络与MATLAB神经网络工具箱-光盘
技术2009(2)
简要介绍MATLAB语言的特点以及BP神经网络,并较为详细论述了MATLAB神经网络工具箱的相关知识.
5.学位论文高宁基于BP神经网络的农作物虫情预测预报及其MATLAB实现2003
农作物主要害虫常年对作物造成严重危害,使农业经济遭到损失.预测害虫未来的发生动态,可以使治虫工作得以有目的、有计划、有重点的进行.害虫的预测预报工作是进行害虫综合防治的必要前提.只有对害虫发生危害的预测预报做到及时、准确,才能正确的拟定综合防治计划,及时采取必要的措施,经济有效的压低害虫的发生数量,保证农业的高产、稳产.人工神经网络是一类模拟人类神经系统的结构,他揭示数据样本中蕴含的非线性关系,大量处理单元组成非线性自适应动态系统,具有良好的自适应性、自组织及很强的学习、联想、容错和抗干扰能力,在不同程度和层次上可模仿大脑的信息处理机理,可灵活方便的对多成因的复杂未知系数进行建模.特别是BP网络近年来广泛应用于模式识别、预测评估等领域,并取得良好的效果.目前BP网络采用误差逆传播算法学习训练神经网络,该算法是基于网络误差函数梯度下降的.为了克服BP网络在学习训练过程中收敛速度慢、容易陷入局部极小的不足,该文采用了自适应的学习速率和附加动量法.该文主要利用神经网络理论,基于MTLAB的神经网络工具箱建立了虫害发生量预报预测的BP神经网络预测系统,确定了发生量与自然因素之间的联系.并通过对安徽省庐江县田间水稻虫情的预测来检验模型的效果.实验结果证明了该模型用于虫情预测的可行性,具有很好的应用价值.
6.期刊论文林朝朋.芮汉明.许晓春基于MATLAB神经网络工具箱的微生物培养基配方设计-广州食品工业科技
2004,20(z1)
用BP神经网络的方法建立联结微生物培养基的性能与主要因素糖、硫酸锌、硫酸铵、硫酸钾、磷酸和硫酸镁的浓度的关系模型,并应用MATLAB神经网络工具箱实现对该模型的训练和系统仿真.不论培养基的配方如何变化,只要用一定的试验数据对模型进行训练,然后对拟采用的配方进行仿真,均可得到较为可靠的目标参数.
7.学位论文周克神经网络在入侵检测中的应用2003
该文首先介绍了入侵检测中的一些关键技术,如数据挖掘,模式识别与匹配,和分布处理技术,另外介绍了基于这些技术的一些具体使用在入侵检测中的方法如专家系统,特征分析,统计分析等,然而这些方法都具有一定的局限性,不能尽如人意的解决问题.文章还介绍了一些网络协议,为该文后面讲述的方法做了一些准备工作.该文介绍了几种神经网络结构,考虑到BP网络用于分类问题的显著特点,该文采用了BP网络作为该次试验的网络结构,并采用了改
进的BP算法从而使得学习速度和算法的可靠性都有所提高.该文还充分利用MATLAB语言神经网络工具箱在编程和调试极其简单方便的优势,从而避免了编写冗长复杂的具有神经网络功能的程序的步骤,通过利用MATLAB提供的引擎函数功能,实现了与外部进行通讯.
8.会议论文张景华.张军基于MATLAB神经网络工具箱BP神经网络仿真2001
本文提出以MATLAB神经网络工具箱为基础,按BP神经网络计算算法,对三层BP网络进行仿真,并总结出对中间层、权值、学习速率和期望误差的选取方法.
9.学位论文吕晓强基于BP神经网络的企业技术创新能力评价及应用研究2004
技术创新被认为是经济增长的源泉和推动知识经济发展的有效途径.今天,企业的技术创新活动已经成为决定企业生存和发展的动力和源泉.本文主旨是对企业技术创新能力进行分析,建立一套基于技术创新过程的技术创新能力评价指标体系,并在此基础上探讨对其进行综合评价的方法.文章首先对企业技术创新和技术创新能力理论进行阐述,界定了企业技术创新能力的定义和构成要素,并在前人研究的基础上构建了基于技术创新过程的企业技术创新能力评价指标体系;其次,针对当前评价企业技术创新能力的方法所存在的不足,本文提出一种基于BP神经网络的企业技术创新能力评价方法.根据已建立的评价指标体系,设计BP神经网络模型,并给出简单可操作的评价程序;再次,在计算方法上,用MATLAB的神经网络工具箱(NNT)来进行网络设计和计算.通过大量学习样本的训练和测试,使模型的误差达到预定的范围内,至此一个完整的网络模型建立完毕;最后,以实例来验证这种方法的准确性和可操作性.
10.期刊论文李水祥.谢文武MATLAB语言的神经网络工具箱及应用-高等函授学报（自然科学版）2007,20(1)
本文首先介绍了MATLAB神经网络工具箱,并结合实例对神经网络工具箱中的一些函数及神经网络结构进行解释和说明;然后对神经网络在同步中的应用进行介绍并通过仿真验证了神经网络在同步中应用的可行性.
引证文献(42条)
1.周俊神经网络在函数逼近中的应用[期刊论文]-长江大学学报（自科版）理工卷 2009(2)
2.李兴权.孙晓燕.尹松.陈伟BP神经网络在方形钢管砼承载力预测中的应用[期刊论文]-科技经济市场 2009(7)
3.何志红.阳志锋基于BP神经网络的高等教育学费标准模型及分析[期刊论文]-衡阳师范学院学报 2009(3)
4.王飞.唐蓉高等教育学费标准的神经网络模型研究[期刊论文]-甘肃科技 2009(5)
5.韩小溪.胡光振.杨元基于BP神经网络的维修性设计参数灵敏度分析[期刊论文]-中国舰船研究 2008(6)
6.席晨露.蔡兰.郭顺生人工神经网络在企业员工绩效评估系统中的应用[期刊论文]-机械制造 2008(10)
7.李标.王磊.朱金营.慎乃齐BP网络训练函数选取及其岩土工程应用分析[期刊论文]-西部探矿工程 2008(10)
8.王永亮.袁振洲.李艳红基于BP神经网络确定最优配送车辆数目问题的研究[期刊论文]-交通标准化 2008(06)
9.王成俊.李强.乔红军.姚培芬基于神经网络与有限元算法的储层地应力场研究[期刊论文]-内蒙古石油化工2008(05)
10.姚静.钱军浩神经网络在胶印油墨印刷适性检测中的应用[期刊论文]-包装工程 2008(04)
11.史玲玲.董玲.白焰.李新利300MW循环流化床锅炉主蒸汽温度系统辨识[期刊论文]-工业控制计算机 2008(02)
12.刘闯.邱秀伟人工神经网络在决策支持系统中的应用[期刊论文]-信息技术与信息化 2007(06)
13.薛小兰.温秀兰.张鹏基于遗传神经网络的机械振动信号预测[期刊论文]-弹箭与制导学报 2007(03)
14.蔡昌盛.高井祥面向MATLAB转换GPS高程的神经网络方法[期刊论文]-四川测绘 2007(02)
15.佟强.吴辉.徐荣丰应用BP神经网络的单机架可逆式冷轧机弯辊力预设定[期刊论文]-重型机械科技 2007(02)
16.胡斌.陈宇.夏银飞基于BP神经网络的复合地基承载力预估研究[期刊论文]-土工基础 2007(01)
17.宋丹娜.柴立元.何德文电解铝生产环境负荷分析和预测模型研究[期刊论文]-工业安全与环保 2007(01)
18.唐国锋.王丰.蒋宁基于平衡记分卡和BP神经网络的供应链绩效评价[期刊论文]-物流技术 2006(03)
19.佟强.吴辉.徐荣丰应用BP神经网络提高冷轧机弯辊力预设定值精确性[期刊论文]-首钢科技 2006(03)
20.刘延俊.于刚.赵敬伟基于模糊神经元网络的阀控马达系统仿真[期刊论文]-山东大学学报（工学版） 2006(04)
21.肖伟星.郭连喜.于功志.张文孝.姚学勇基于BP算法的喷雾干燥神经网络模型的建立[期刊论文]-农机化研究2006(08)
22.李方方.赵英凯.颜昕基于Matlab的最小二乘支持向量机的工具箱及其应用[期刊论文]-计算机应用 2006(z2)
23.谢勇.瞿元新.周江基于Matlab Web Server的神经网络远程故障诊断方法[期刊论文]-电讯技术 2006(01)
24.张文孝.于功志.肖伟星.姚学勇水产品喷雾干燥的计算机模拟[期刊论文]-安徽农学通报 2006(12)
25.唐锋邻苯二甲酸二甲酯生物降解试验研究[学位论文]硕士 2006
27.邓磊基于神经网络的桥梁承台混凝土温度预测系统研究[学位论文]硕士 2006
28.胡霞NTS中学生认知能力评价系统的研究与应用[学位论文]硕士 2006
29.张菁菁复合电刷镀层的摩擦磨损性能及其模拟分析方法[学位论文]硕士 2006
30.刘磊船体阴极保护电位分布研究[学位论文]硕士 2006
31.史光船舶上层建筑牺牲阳极系统优化设计研究[学位论文]硕士 2006
32.唐红梅人工神经网络技术在成熟期企业员工绩效评估中的研究与开发[学位论文]硕士 2006
33.何大鹏配蓄热器锅炉房供热系统优化运行研究[学位论文]硕士 2006
34.赵敬伟伺服阀控液压马达速度控制系统性能研究[学位论文]硕士 2005
35.徐香坤非线性时间序列组合预测模型研究[学位论文]硕士 2005
36.刘极莉船体内舱阴极保护设计技术研究[学位论文]硕士 2005
37.李敏NCRE考务管理智能决策支持系统的设计与实现[学位论文]硕士 2005
38.刘艳国图像处理技术在活体猪等级评定中的应用[学位论文]硕士 2005
39.靳成学碳纤维复合材料磨料水射流加工工艺参数优化设计[学位论文]硕士 2005
40.茅晓延改进型BP神经网络在N-亚硝基化合物致癌活性QSAR研究中的应用[学位论文]硕士 2005
41.孙静月人工神经网络在多元分析中的应用[学位论文]硕士 2004
42.陈晓玲应用于火灾探测的人工嗅觉信息处理技术[学位论文]硕士 2004
本文链接：https://www.360docs.net/doc/8318114444.html,/Periodical_jsjfz200405032.aspx
下载时间：2010年4月22日