《神经网络技术与应用》程序题答案

《《神经网络技术与应用》程序题答案》由会员分享，可在线阅读，更多相关《《神经网络技术与应用》程序题答案（6页珍藏版）》请在装配图网上搜索。

1、神经网络技术与应用程序题答案 神经网络技术与应用试题 1人工神经网络常用的学习方法有哪些？各有哪些特点？ 2简述感知器的网络结构、工作原理及主要应用领域。 3试推导三层前馈网络BP算法权值修改公式，并用BP算法学习如下函数： f(x)=coxs+2sinx+5x+e2x，-5x5 基本步骤如下： 在区间-5,5上均匀选取N个点，计算f(x)的实际值，并由此组成网络的样本集； 自行构造前馈网络结构，用BP算法和样本集训练网络，使网络误差小于某个很小的正数e； 在区间-5,5上随机选取M个点，用学习后的网络计算这些点的输出值，并与这些点的理想输出值比较，绘制误差曲线； 说明不同的N、e值对网络学习

2、效果的影响。 4简述CMAC网络的结构及特点。 5试用RBF网络学习一下函数： 332 f(x1,x2)=x1+x2+3x12+2x2+6x1+7x2+5x1x2 其中：-5x15，-5x25。若输入信号的分辨率不同时，对算法的收敛过程有何影响。 6用Hopfield网络对如下字符进行识别： 字符“0”字符“1”字符“2”字符“3”字符“4”字符“6”字符“ ”字符“9”试确定网络结构和网络权值； 将污染率为10%字符“0”、“1”、“2”、“3”输入网络，给出网络收敛后的结果。 将污染率为20%字符“4”、“6”、“9”输入网络，给出网络收敛后的结果。 7简述ART-1网络的结构和工作过程。

3、 8结合自己的研究方向，谈谈如何应用神经网络理论和知识解决面临的实际问题，要求给出实例。 3. 程序如下 x=-5:0.001:5; y=cos(x)+2*sin(x)+5*x+exp(2*x); net=newff(minmax(x),8,1,tansig,purelin,trainlm); net.trainparam.epochs=10000; net.trainparam.goal=0.01; net,tr=train(net,x,y); plot(x,y) title(标准输出); hold off y4=sim(net,x); plot(x,y4) plot(x,y4,b) plo

4、t(x,y4,g) title(样本不变情况下训练后输出); y1=cos(x1)+2*sin(x1)+5*x1+exp(2*x1); x1=-5:0.0009:5;y1=cos(x1)+2*sin(x1)+5*x1+exp(2*x1); plot(x1,y1,r); title(样本改变后标准输出); y2=sim(net,x1); plot(x1,y2,g); title(样本改变后训练输出); err=y2-y1; plot(x1,err,b); title(误差曲线); N越大，训练次数越少，网络性能越好，学习效果变好，但是N太大会导致计算机单步计算时间变长； e越大，训练次数越少，训

5、练时间减少，网络性能变差，学习效果变坏； 总体上说，N越大，e越小，学习效果会越好。但是会牺牲时间，有时候系统可能会达不到e的训练要求。 5. clear x=rand(2,1000); x=(x-0.5)*10; x1=x(1,:); x2=x(2,:); y=x1.3+x2.3+3*x1.2+6*x1+7*x2+5*x1.*x2; net=newrb(x,y); NEWRB, neurons = 0, MSE = 9868.38 NEWRB, neurons = 25, MSE = 136.414 NEWRB, neurons = 1000, MSE = 1.41658e-010 i,j=

6、meshgrid(-5:0.1:5); row=size(i); tx1=i(:); tx1=tx1; tx2=j(:); tx2=tx2; tx=tx1;tx2; ty=sim(net,tx); v=reshape(ty,row); figure mesh(i,j,v); zlim(-200,600); title(rbf网络); x1,x2=meshgrid(-5:0.05:5); y=x1.3+x2.3+3*x1.2+6*x1+7*x2+5*x1.*x2; mesh(x1,x2,y) title(函数曲面图); mesh(x1,x2,v-y); title(误差曲面效果图) 输入信号分辨

7、率越高，学习速率越低，需要更多时间才能完成rbf网络的训练，算法收敛过程变慢，学习效果变好；过大的分辨率可能会导致计算机内存溢出而崩溃。 6. 程序如下： zero=-1 -1 -1 -1 -1 -1 -1 -1 -1 -1; -1 -1 -1 1 1 1 1 -1 -1 -1; -1 -1 1 1 1 1 1 1 -1 -1; -1 1 1 1 -1 -1 1 1 1 -1; -1 1 1 1 -1 -1 1 1 1 -1; -1 1 1 1 -1 -1 1 1 1 -1; -1 1 1 1 -1 -1 1 1 1 -1; -1 1 1 1 -1 -1 1 1 1 -1; -1 1 1 1

8、-1 -1 1 1 1 -1; -1 -1 1 1 1 1 1 1 -1 -1; -1 -1 -1 1 1 1 1 -1 -1 -1; -1 -1 -1 -1 -1 -1 -1 -1 -1 -1; . one=-1*one; zero=-1*zero; two=-1*two; I=zero;one;two;three; subplot(3,4,1); imshow(imresize(zero,20); title(标准字符0); subplot(3,4,2); imshow(imresize(one,20); title(标准字符1); subplot(3,4,3); imshow(imres

9、ize(two,20); title(标准字符2); subplot(3,4,4); imshow(imresize(three,20); title(标准字符3); net=newhop(I) rand(state,0); for i=1:120 a=rand; if a=0.3 one(i)=-1*one(i); zero(i)=-1*zero(i); two(i)=-1*two(i); three(i)=-1*three(i); end end no0=zero; no1=one; no2=two; no3=three; subplot(3,4,5); imshow(imresize(z

10、ero,20); title(污染后字符0); subplot(3,4,6); imshow(imresize(one,20); title(污染后字符1); subplot(3,4,7); imshow(imresize(two,20); title(污染后字符2); subplot(3,4,8); imshow(imresize(three,20); title(污染后字符3); noise0=(no0); tu0=sim(net,12,10,noise0); subplot(3,4,9); imshow(imresize(tu010,20); title(收敛后字符0); noise1=

11、(no1); tu1=sim(net,12,10,noise1); subplot(3,4,10); imshow(imresize(tu110,20); title(收敛后字符1); noise2=(no2); tu2=sim(net,12,10,noise2); subplot(3,4,11); imshow(imresize(tu210,20); title(收敛后字符2); noise3=(no3); tu3=sim(net,12,10,noise3); subplot(3,4,12); imshow(imresize(tu310,20); title(收敛后字符3); four=1

12、-1 -1 1 1 1 1 -1 -1 1; 1 -1 -1 1 1 1 1 -1 -1 1; 1 -1 -1 1 1 1 1 -1 -1 1; 1 -1 -1 1 1 1 1 -1 -1 1; 1 -1 -1 1 1 1 1 -1 -1 1; 1 -1 -1 -1 -1 -1 -1 -1 -1 1; 1 -1 -1 -1 -1 -1 -1 -1 -1 1; 1 1 1 1 1 1 1 -1 -1 1; 1 1 1 1 1 1 1 -1 -1 1; 1 1 1 1 1 1 1 -1 -1 1; 1 1 1 1 1 1 1 -1 -1 1; 1 1 1 1 1 1 1 -1 -1 1; . su

13、bplot(3,3,1); imshow(imresize(four,1); title(标准字符4); subplot(3,3,2); imshow(imresize(six,1); title(标准字符6); subplot(3,3,3); imshow(imresize(nine,1); title(标准字符9); k=10; I=four;six;nine; net=newhop(I) rand(state,0); for i=1:120 a=rand; if a=0.2 four(i)=-1*four(i); six(i)=-1*six(i); nine(i)=-1*nine(i);

14、 end end no4=four; no6=six; no9=nine; subplot(3,3,4); imshow(imresize(four,1); title(污染后字符4); subplot(3,3,5); imshow(imresize(six,1); title(污染后字符6); subplot(3,3,6); imshow(imresize(nine,1); title(污染后字符9); noise4=(no4); tu4=sim(net,12,k,noise4); subplot(3,3,7); imshow(imresize(tu4k,1); title(收敛后字符4); noise6=(no6); tu6=sim(net,12,k,noise6); subplot(3,3,8); imshow(imresize(tu6k,1); title(收敛后字符6); noise9=(no9); tu9=sim(net,12,k,noise9); subplot(3,3,9); imshow(imresize(tu9k,1); title(收敛后字符9);