Matlab語(yǔ)言的Neural Network Toolbox 及其在同步中
1 引 言
本文引用地址:http://dyxdggzs.com/article/189951.htm神經(jīng)網(wǎng)絡(luò )工具箱擴充了Matlab的設計、應用、顯示和仿真神經(jīng)網(wǎng)絡(luò )的工具。如今神經(jīng)網(wǎng)絡(luò )能夠用來(lái)解決常規計算機和人難以解決的問(wèn)題,神經(jīng)網(wǎng)絡(luò )已經(jīng)在各個(gè)領(lǐng)域中應用,以實(shí)現各種復雜的功能。這些領(lǐng)域包括:模式識別、非線(xiàn)性系統鑒定和系統控制。神經(jīng)網(wǎng)絡(luò )工具箱除了提供方便用戶(hù)設計和管理網(wǎng)絡(luò )的可視化接口(GUI)外,還提供了大量已經(jīng)證實(shí)的網(wǎng)絡(luò )設計的支持。標準、開(kāi)放、可擴張的工具箱設計方便了用戶(hù)自定義函數和網(wǎng)絡(luò )的生成。
像生物學(xué)神經(jīng)系統一樣,一個(gè)神經(jīng)網(wǎng)絡(luò )會(huì )學(xué)習,因此,也就可以被訓練去解決問(wèn)題,識別模式,劃分數據和預測事態(tài)發(fā)展。神經(jīng)網(wǎng)絡(luò )的行為由它的各個(gè)計算參數的結合方式以及它們的權重來(lái)決定。一般的神經(jīng)網(wǎng)絡(luò )都是可調節的,或者說(shuō)可訓練的,這樣一個(gè)特定的輸入便可得到要求的輸出。這里,網(wǎng)絡(luò )根據輸出和目標的比較而調整,直到網(wǎng)絡(luò )輸出和目標匹配。神經(jīng)網(wǎng)絡(luò )工具GUI使神經(jīng)網(wǎng)絡(luò )變得簡(jiǎn)單,它使你能夠導人大量復雜的數據,并能夠很快地產(chǎn)生、初始化、訓練、仿真和管理網(wǎng)絡(luò )。簡(jiǎn)單的圖像表示有助于明確和理解網(wǎng)絡(luò )的結構。因為神經(jīng)網(wǎng)絡(luò )需要復雜的矩陣計算,Matlab提供一個(gè)神經(jīng)框架,幫助快速地使用神經(jīng)網(wǎng)絡(luò )和學(xué)習它們的行為和應用。
文獻[5]討論了用擴充的神經(jīng)系統工具的方法在仿真環(huán)境里解決現存的問(wèn)題。這種新方法簡(jiǎn)化了網(wǎng)絡(luò )結構,并且也實(shí)現對其他軟件工具的利用。目前還沒(méi)有論文公開(kāi)討論NNT在同步機制中的應用,而這一部分的研究也是具有現實(shí)意義的。
2 Matlab神經(jīng)網(wǎng)絡(luò )工具箱
NNT使在Matlab中使用神經(jīng)網(wǎng)絡(luò )變得簡(jiǎn)單。其工具箱中包含了大量函數和網(wǎng)絡(luò )結構框圖(圖1是一個(gè)簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò )框圖,圖中獨立的符號簡(jiǎn)化了對網(wǎng)絡(luò )結構的理解),因此,這里不需要介紹所有的將用到的函數、訓練算法等。
2.1 NNT的結構
工具箱是基于網(wǎng)絡(luò )對象的。網(wǎng)絡(luò )對象包括關(guān)于神經(jīng)網(wǎng)絡(luò )的所有信息,例如:網(wǎng)絡(luò )的層數和結構、層與層之間的連接等。Matlab提供了高等網(wǎng)絡(luò )層的創(chuàng )建函數,比如:newlin(創(chuàng )建一個(gè)線(xiàn)性層),newp(創(chuàng )建一個(gè)感知機),newff(創(chuàng )建一個(gè)反向傳播網(wǎng)絡(luò ))等。舉例說(shuō)明,這里創(chuàng )建了1個(gè)感知機,2個(gè)輸入向量p1=[0 1],p2=[-2 2],神經(jīng)元數為1。
c++相關(guān)文章:c++教程
評論