Elman神经网络.ppt
《Elman神经网络.ppt》由会员分享,可在线阅读,更多相关《Elman神经网络.ppt(15页珍藏版)》请在装配图网上搜索。
第九章 Elman神经网络,Elman网络结构,带反馈的BP网络 行程迟滞具有短期记忆功能,Elman神经网络结构特点,四层:输入层、中间层(隐藏层)、承接层和输出层 承接层:又称为上下文层或状态层,记忆隐含层前一时刻的输出 对历史状态敏感,增加处理动态信息的能力,可动态建模,Elman网络神经元,输入层:没有神经元 隐藏层:S神经元 承接层:没有神经元 输出层:线性神经元,Elman网络学习算法,也采用BP算法进行权值修正,指标函数为误差平方和,Elman网络的构建,NET = NEWELM(PR,S1 S2.SNl,TF1 TF2.TFNl,BTF,BLF,PF) PR - Rx2 维矩阵,表示R个输入的范围 Si -每层有几个神经元 TFi 每层神经元的类型 BTF 训练算法,默认为 traingdx. BLF 学习算法,默认为 learngdm. PF - 表现函数,默认为 mse,例一:构建一个Elman网络,构建一个单输入、单输出,隐藏层有5个神经元的Elman网络 输入网络的IW,LW1和LW2进行观察分析(维数) 随机产生一个输入向量,观察相应输出 为输入向量指定期望输出进行训练 观察训练后网络的输出,振幅检测,检波、低通滤波,例二:应用Elman网络进行振幅检测,意义:演示Elman网络如何进行时间模式识别和分类(低通滤波) 实现方法 设置输入(两种振幅的正弦波)和期望输出 建立网络并根据输入和期望输出进行训练 用原输入信号对网络进行测试 用一组新的输入信号(频率和振幅都有改变)对网络进行测试,例三:基于Elman网络的空调负荷预测,空调系统的逐时负荷是按时间顺序排列的数字序列,它们之间有某种统计意义上的关系,很难用函数描述 空调负荷预测问题:多变量、强耦合、严重非线性、动态性 要求:根据过去的N(N1)个数据预测未来M(M 1 )个时刻的值,预测方法的选取,神经网络方法的优势 并行、分布式、自组织 静态网络 BP网络:系统定阶困难、规模大、收敛慢 动态网络 Elman:适应时变特性,样本数据的分段方法,空调负荷数据,每天只选912四个小时的负荷,基于Elman网络的空调负荷预测步骤,构造训练样本:每3天的负荷作为输入向量,第4天的复合作为目标向量(三组训练样本,第7天的数据作测试) 网络结构:输入层12维,输出层4个神经元,中间层神经元设置为13个 设置训练参数,最大训练次数1000 用第7天的数据做测试,Elman网络小结,结构:带反馈的BP网络(在隐藏层反馈) 特点:有短期记忆功能 应用:时间模式识别和分类,- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- Elman 神经网络
装配图网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
关于本文