基于的神经网络系统的构建方法

MATLAB是由公司推出的高性能的科技应用软件,在学术界和工业界都得到了广泛的应用。与其它编程语言相比,州护具有程序可读性强、调试简单等特点,尤其是在编写含矩阵运算的复杂程序时,能给用户提供极大的方便。神经网络工具箱是环境下所开发出来的许多工具箱之一,它是以人工神经网络理论为基础,用语言构造出典型神经网络的激活函数,如型、线型、竞争层、饱和线形等激活函数,使设计者对所选定网络输出的计算,变成对激活函数的调用。另外,根据各种典型的修正网络权值的规则,加上网络的训练过程,用MATLAB编写出各种网络设计与训练有的子程序,网络的设计者则可以根据自己的需要去调用工具箱中有关神经网络的设计训练程序,使自己能够从繁琐的编程中解脱出来,集中精力去思考问题和解决问题,从而提高效率和解题质量。另外,神经网络工具箱还集成了多种学习算法,为用户提供了极大的方便。

利用MATLAB软件构建神经网络的步骤系统建立过程中的关键步骤为

(1)设定网络结构基本参数

网络结构基本参数包括神经网络类型、网络层数、每层神经元个数、传递函数的选择。其中神经网络炎型、网络层数、输入层和输出层神经元个数由建立系统的目的决定,隐层神经元个数决定网络规模,传递函数决定了层间网络误差的传递。由于人们对一网络的工作原理不够了解,所以,现在对网络隐层的层数和每层的神经元个数的确定还是建立在实验和经验的基础上的。

（2）初始化网络

网络的初始化是为网络整体、层和层内神经元三重结构的神经元网络权值和闭值赋初值。为保证网络不被大的加权输入饱和,除了用小的随机数对每一层的权值和偏差初始化以外,还要进行以下参数的设定或初始化：

①设定期望误差最小值

②设定最大循环次数

③设置修正权值的学习速率

④从开始的循环训练。

（3）选择训练学习算法

由于每种算法都有它自身的特点和适用性,所以训练学习算法的选择与网络的建立和使用性能都有直接的关系。一个合适的训练学习算法可提高网络性能。

（4）评价网络性能

网络的性能评价是通过计算网络输出矢量和目标矢量之间的差异来衡量的。有均方误差、规则化均方误差、平方和误差等多种形式。

数学建模社区-数学中国