不錯的matlab神經(jīng)網(wǎng)絡工具箱實用指南

1、Matlab的神經(jīng)網(wǎng)絡工具箱實用指南的神經(jīng)網(wǎng)絡工具箱實用指南文章摘要:第一章是神經(jīng)網(wǎng)絡的基本介紹，第二章包括了由工具箱指定的有關網(wǎng)絡結(jié)構和符號的基本材料以及建立神經(jīng)網(wǎng)絡的一些基本函數(shù)，例如new、init、adapt和train。第三章以反向傳播網(wǎng)絡為例講解了反向傳播網(wǎng)絡的原理和應用的基本過程。第一章第一章介紹介紹1神經(jīng)網(wǎng)絡神經(jīng)網(wǎng)絡神經(jīng)網(wǎng)絡是單個并行處理元素的集合，我們從生物學神經(jīng)系統(tǒng)得到啟發(fā)。在自然界，網(wǎng)絡功能主要由神經(jīng)節(jié)決定，我們可

2、以通過改變連接點的權重來訓練神經(jīng)網(wǎng)絡完成特定的功能。一般的神經(jīng)網(wǎng)絡都是可調(diào)節(jié)的，或者說可訓練的，這樣一個特定的輸入便可得到要求的輸出。如下圖所示。這里，網(wǎng)絡根據(jù)輸出和目標的比較而調(diào)整，直到網(wǎng)絡輸出和目標匹配。作為典型，許多輸入目標對應的方法已被用在有監(jiān)督模式中來訓練神經(jīng)網(wǎng)絡。神經(jīng)網(wǎng)絡已經(jīng)在各個領域中應用，以實現(xiàn)各種復雜的功能。這些領域包括：模式識別、鑒定、分類、語音、翻譯和控制系統(tǒng)。如今神經(jīng)網(wǎng)絡能夠用來解決常規(guī)計算機和人難以解決的問題。

3、我們主要通過這個工具箱來建立示范的神經(jīng)網(wǎng)絡系統(tǒng)，并應用到工程、金融和其他實際項目中去。一般普遍使用有監(jiān)督訓練方法，但是也能夠通過無監(jiān)督的訓練方法或者直接設計得到其他的神經(jīng)網(wǎng)絡。無監(jiān)督網(wǎng)絡可以被應用在數(shù)據(jù)組的辨別上。一些線形網(wǎng)絡和Hopfield網(wǎng)絡是直接設計的。總的來說，有各種各樣的設計和學習方法來增強用戶的選擇。神經(jīng)網(wǎng)絡領域已經(jīng)有50年的歷史了，但是實際的應用卻是在最近15年里，如今神經(jīng)網(wǎng)絡仍快速發(fā)展著。因此，它顯然不同與控制系統(tǒng)和最

4、優(yōu)化系統(tǒng)領域，它們的術語、數(shù)學理論和設計過程都已牢固的建立和應用了好多年。我們沒有把神經(jīng)網(wǎng)絡工具箱僅看作一個能正常運行的建好的處理輪廓。我們寧愿希望它能成為一個有用的工業(yè)、教育和研究工具，一個能夠幫助用戶找到什么能夠做什么不能做的工具，一個能夠幫助發(fā)展和拓寬神經(jīng)網(wǎng)絡領域的工具。因為這個領域和它的材料是如此新，這個工具箱將給我們解釋處理過程，講述怎樣運用它們，并且舉例說明它們的成功和失敗。我們相信要成功和滿意的使用這個工單神經(jīng)元單神經(jīng)元下

5、圖所示為一個單標量輸入且無偏置的神經(jīng)元。這個輸入標量通過乘以權重為標量w的連結(jié)點得到結(jié)果wp，這仍是一個標量。這里，加權的輸入wp僅僅是轉(zhuǎn)移函數(shù)f的參數(shù)，函數(shù)的輸入是標量a。右邊的神經(jīng)元有一個標量偏置b，你既可以認為它僅僅是通過求和節(jié)點加在結(jié)果wp上，也可以認為它把函數(shù)f左移了b個單位，偏置除了有一個固定不變的輸入值1以外，其他的很像權重。標量n是加權輸入wp和偏置b的和，它作為轉(zhuǎn)移函數(shù)f的參數(shù)。函數(shù)f是轉(zhuǎn)移函數(shù)，它可以為階躍函數(shù)或者曲

6、線函數(shù)，它接收參數(shù)n給出輸出a，下一節(jié)將給出各種不同的轉(zhuǎn)移函數(shù)。注意神經(jīng)元中的w和b都是可調(diào)整的標量參數(shù)。神經(jīng)網(wǎng)絡的中心思想就是參數(shù)的可調(diào)整使得網(wǎng)絡展示需要和令人感興趣的行為。這樣，我們就可以通過調(diào)整權重和偏置參量訓練神經(jīng)網(wǎng)絡做一定的工作?；蛘呱窠?jīng)網(wǎng)絡自己調(diào)整參數(shù)以得到想要的結(jié)果。在這個工具箱里所有的神經(jīng)元都提供偏置，我們的許多例子中都用到了偏置并且假定它在這個工具箱的大多數(shù)情況下都要用到?？墒?，如果你愿意的話，你也可以在一個神經(jīng)元中省

7、略偏置。正如上面所提到的，在神經(jīng)元中，標量b是個可調(diào)整的參數(shù)。它不是一個輸入?？墒球?qū)動偏置的常量1卻是一個輸入而且當考慮線性輸入向量時一定要這樣認為。轉(zhuǎn)移函數(shù)在這個工具箱里包括了許多轉(zhuǎn)移函數(shù)。你能在“TransferFunctionGraphs“中找到它們的完全列表。下面列出了三個最常用的函數(shù)。上圖所示的階躍轉(zhuǎn)移函數(shù)限制了輸出，使得輸入?yún)?shù)小于0時輸出為0，大于或等于0時輸出為1，在第三章中我們將用它來進行分類。工具箱中有一個函數(shù)har