《神经网络讲义第8章ppt课件》由会员分享，可在线阅读，更多相关《神经网络讲义第8章ppt课件（62页珍藏版）》请在金锄头文库上搜索。
1、2020/6/27,1,第八章 神经网络工具库介绍,2020/6/27,2,8.1图形用户界面 前面儿章介绍了MATLAB神经网络工具箱的各种函数,这些函数是神经网络仿真程序设计的基础,可以给用户以充分的开发空间按照自己的构想设计各种神经网络。但对于程序设计或神经网络工具箱函数不是很熟悉的用户来说,要快捷、方便、正确地设计一个神经网络是非常困难的。,2020/6/27,3,MATLAB 6.x的神经网络工具箱neural network toolbox version 4.x提供了图形用户界面(graph user inteface , GUI) ,从而使用户在图形界面上,通过与计算机的交互操
2、作设计和仿真神经网络,使得神经网络的设计和仿真变得简单易学.,2020/6/27,4,8.1.1 图形用户界面简介 函数nntool 的详解见附录。在MATLAB 命令窗口(command window)输入nntool , 即可打networkdata manager(网络数据管理器窗补如图8.1 所示。),2020/6/27,5,图8.1 图形用户界面,2020/6/27,6,networkdata manager窗口有7个显示区和2个按钮区; ( 1 ) Inputs区域:显示用户指定的输入向量变量名。 ( 2 ) Targets 区域:显示用户指定的目标向量变量名。 ( 3 ) Inp
3、ut Delay State区域:显示用户指定的输入延迟参数变量名。,2020/6/27,7,( 4 ) Networks区域:显示用户定义的网络名 ( 5 ) Outputs区域:显示网络的输出向量变量名。 ( 6 ) Errors区域:显示网络的训练误差变量名。 ( 7 ) Layer Delay States区域显示用户指定的网 络层延迟参数变量名。 ( 8 )Networks and Data 按钮区,2020/6/27,8,Help按钮：单击该按钮,弹出Network / Data Manager Help 窗口,为用户使用Net -work/Data Manager 提供帮助。 N
4、ew Data 按钮：单击该按钮,弹出Create New Data窗口,在该窗口可以定义各种数据类型的变量名和数据值(Value)。 New Network 按钮：单击该按钮,弹出Create New Network 窗口,在该窗口可以定义神经网络名称、神经网络类型及其网络对象和子对象属性参数等。,2020/6/27,9,Import 按钮：单击该按钮,弹出Import or Load Network/Data Manager窗口,可以通过该窗口从命令窗口或磁盘文件导人神经网络或数据。 Export 按钮：单击该按钮,弹出Export or Save from Network/Data Ma
5、nager窗口,可以将Network/Data Manager窗口的变量导出到命令窗口或存人磁盘文件中。 View按钮：先选中显示区域的变量名或网络名,单击View 按钮,则弹出一个新的窗口,在该窗口中显示选中的变量或网络的具体内容。 Delete 按钮：先选中显示区域的变量名或网络名,单击Ddete按钮,则删除选中的变量或网络。,2020/6/27,10,(9) Networks only按钮区:先选中显示区域的网络名,单击该区域的任意一个按钮,则弹出一个新的窗口(Network：网络名),在该窗口中,可以查看网络的结构示意图,查看权值/阈值,设置网络的初始化值、训练参数、自适应调整参数和仿
6、真参数,并可对定义的神经网络进行初始化、训练、自适应调整、仿真等。,2020/6/27,11,8.1.2 图形用户界面应用示例 仍以例6.1的模式分类问题为例,将待分类模式重画于图8.2 中。据例6.1 的分析,网络结构重画于图8.3 中。第1层有5个神经元,第2 层有1个神经元。 训练样本集为,2020/6/27,12,以图形用户界面设计上述神经网络的具体方法如下： 图8.2 待分类模式,2020/6/27,13,输入 第一层 第二层 图8.3 两层BP 网络 (l)在MATLAB命令窗口键人nntool,打开 Network/Data Manager窗口。 (2)创建神经网络 单击New
7、Network 按钮,弹出Create New Network 窗口,如图8.4所示。,2020/6/27,14,图8.4 Create New Network 窗口,2020/6/27,15,输入网络名(network name)：demonet; 选择网络类型(network name)：feed-forward backprop; 确定输入向量的取值范围(Input ranges) -4 1;0 2; 选择训练函数(Training function ) : TRAINLM ; 选择自适应调整学习函数(Adaption learning function ) :LEARNGDM; 选择误
8、差性能函数(Perf 。rmance function ) : MSE ; 确定网络层数(Number of layers ) : 2 ;,2020/6/27,16, 确定各网络层的属性(Properties for ) : Layer1 神经元数(Number of neurons )为5 , 传输函数(Transfer function )为LOGSIG ; Layer2 神经元数(Number of neurons )为1 , 传输函数(Transfer function )为LOGSIG 。 单击View 按钮可以查看以上定义的网络结构,如图8.5所示,2020/6/27,17,图8.
9、5 View of New Network 窗口,2020/6/27,18, 单击Create 按钮,关闭Create New Network 窗口,回到Network/Data Manager窗口,可以看到在Networks区域显示出建立的网络名 Demonet, 选中该网络名,单击该窗口的View 按钮也可以查看到如图,8.5所示的网络结构。,2020/6/27,19,(3)训练网络 确定训练样本的输入向量。在Network Data Manager 窗口单击New Data 按钮,弹出Create New Data窗口,选择数据类型为Inputs ,输入向量名(Name )为p ,其值(
10、 Value )为 如图8.6 所示。然后单击Create 按钮,关闭Create New Data窗口,回到Network/Data Manager窗口。可以看到在Inputs 区域显示出输入向量名 ,选中该输入向量名,单击该窗口的View 按钮,弹出数据(Data)窗口,在该窗口可以查看到该输入向量的值,并可以修改数据值。,2020/6/27,20, 确定训练样本的目标向量。按照与输入向量同样的方法可以确定目标向量,只是选择数据类型为Targets,输入向量名为 ,数据值为 训练网络。在Network/Data Manager 窗口选中网络名Demonet,单击Train 按钮,则弹出Ne
11、twork:Demonet窗口,如图8.8 所示。,2020/6/27,21,图8.6 Create New Data 窗口,2020/6/27,22,图8.7 Create New Data 窗口,2020/6/27,23,图8.8 Network 窗口,2020/6/27,24,可以看出,该窗口为一个多页面对话框,在Train 页面有3个子页面： Training lnfo 在该子页面将划训练数据(Training Data)的输入向量(Inputs )选择为p,目标向量(Targets)选择为t;训练结果(Training Results)的输出变量(outputs ) 和误差性能变量(
12、Errors)采用系统自动生成的Demonet _ output,和Demonet _ errors,当然它们也可以由用户重新定义。,2020/6/27,25,TrainingParameters 在该子页面可以设置训练的各种参数,这要根据具体训练和学习函数进行确定,相关内容可参看各神经网络模型的训练和学习算法。本例采用其默认值即可。 Optional lnfo 该子页面用以确定在训练时是否采用确认样本和测试样本,本例均不采用。,2020/6/27,26,以上过程完成后,单击该页面的Train Network按钮,开始训练,其训练过程如图8.9所示。 图8.9 训练误差性能曲线,2020/6/
13、27,27,训练完成后,在Network/Data Manager窗口可以看到,在Outputs区域显示出输出变量名Demonet_outputs,在Errors区域显示出误差性能变量名Demonet_ rrors。选中变量名,单击该窗口的View 按钮,则弹出数据(Data)窗口,在该窗口可以查看到该所选中变量的具体数据。,2020/6/27,28,(4)网络仿真在Network/Data Manager窗口选中网络名Demonet,单击simulate 按钮,弹出Network: Demonet窗口,显示Simulate页面,如图8.10所示。 将仿真数据选择为p,仿真结果选择为a,单击S
14、imulate Network按钮,则在Network/ Data Manager窗口的Outputs,区域显示出输出变量名a,选中该变量名,单击该窗口的View 按钮,弹出数据(Data: a)窗口,在该窗口可以查看仿真结果的具体数据,如图8.11 所示。,2020/6/27,29,可以看出,网络很好地完成了图8.2 所示的两类模式分类问题。当然,可以用训练样本以外的数据进行仿真,此时,需要先在Network/Data Manager窗口建立仿真的输入向量,建立方法与建立训练样本的输入向量相同,然后在Network: Demonet窗口的Simulate 页面选择该仿真的输入向量名,进行仿真
15、。,2020/6/27,30,图8.10 Network:Demonet窗口的Simulate页面,2020/6/27,31,图8.11 仿真结果数据,2020/6/27,32,8.1.3 图形用户界面的其他操作 1网络变量的导出和存盘 在Network / Data Manager 窗口单击Export按钮,则弹出Export or Save from Net work/Data Manager窗口,如图8.12 所示。,2020/6/27,33,(1)将Network/Data Manager窗口的网络变量导出到命令窗口。 先选择要导出的变量,当选择单个变量时,直接用鼠标单击变量名即可;当
16、选择多个变量时,同时按住Ctrl 键;当选择所有变量时,单击Select all 按钮。选择完成后,单击Export按钮,即可将选择的变量导出到命令窗口。,2020/6/27,34,(2)将Net work/Data Manager窗口的网络变量存入磁盘文件。 选择要存储的变量,方法同上,然后单击save按钮,弹出save to a MAT file对话框,用户可以选择存储的路径,并输入存储文件名,按保存按钮,即可将选择的变量存入指定的磁盘文件中。,2020/6/27,35,图8.12 导出数据窗口,2020/6/27,36,需要注意的有两点： 文件名及路径名不能是汉字,否则将导致存储失败。 除了网络名,其他数据变量都是以细胞矩阵的形式存储的,在从该文件重新导入Network/ Data Manager窗口时,以细胞矩阵的形式存储的
