BP神經(jīng)網(wǎng)絡實驗

1、實用標準文案精彩文檔實驗名稱：班級名稱:專 業(yè):姓 名:學 號:聯(lián)系電話:計算智能實驗報告BP神經(jīng)網(wǎng)絡算法實驗一、實驗目的1）編程實現(xiàn)BP神經(jīng)網(wǎng)絡算法；2）探究BP算法中學習因子算法收斂趨勢、收斂速度之間的關(guān)系；3）修改訓練后BP神經(jīng)網(wǎng)絡部分連接權(quán)值，分析連接權(quán)值修改前和修改后對相 同測試樣本測試結(jié)果，理解神經(jīng)網(wǎng)絡分布存儲等特點。二、實驗要求按照下面的要求操作，然后分析不同操作后網(wǎng)絡輸出結(jié)果。1）可修改學習因子2）可任意指定隱單元層數(shù)3）可任意指定輸入層、隱含層、輸出層的單元數(shù)4）可指定最大允許誤差e5）可輸入學習樣本（增加樣本）6）可存儲訓練后的網(wǎng)絡各神經(jīng)元之間的連接權(quán)值矩陣；7）修改訓練后

2、的BP神經(jīng)網(wǎng)絡部分連接權(quán)值，分析連接權(quán)值修改前和修改后對 相同測試樣本測試結(jié)果。三、實驗原理1明確BP神經(jīng)網(wǎng)絡算法的基本思想如下：2明確BP神經(jīng)網(wǎng)絡算法步驟和流程如下：四、實驗內(nèi)容和分析1. .實驗時建立三層BP神經(jīng)網(wǎng)絡，輸入節(jié)點2個，隱含層節(jié)點2個,輸出節(jié)點1個，輸入訓練樣本如下表:輸入值輸出0.00.00.00.01.01.01.00.01.01.01.00.0學習因子分別為0.5和0.6,最大允許誤差0.012. 訓練結(jié)果：訓練次數(shù)3906 ,全局誤差0.0099955輸入層與隱含層連接權(quán)值為-5.256265.04393-5.351865.43925隱含層與輸出層連接權(quán)值為7.7951

3、7-7.43036隱含層神經(jīng)元閾值為-2.771052.78374輸出層神經(jīng)元閾值為3.480783. 輸入測試樣本為0.05 0.10.20.90.86 0.95輸出測試結(jié)果為0.046 0.7860.043可見網(wǎng)絡性能良好，輸出結(jié)果基本滿足識別要求。4. 改變學習因子學習因子決定每一次循環(huán)訓練中所產(chǎn)生的權(quán)值變化量。大的學習因子可能導致系統(tǒng)的不穩(wěn)定；但小的學習因子導致較長的訓練時間， 可能收斂很慢，不過能 保證網(wǎng)絡的誤差值不跳出誤差表面的低谷而最終趨于誤差最小值。 所以一般情況 下傾向于選取較小的學習速率以保證系統(tǒng)的穩(wěn)定性。5. 改變輸入層、隱含層、輸出層的單元數(shù)當隱含層節(jié)點個數(shù)為3時，相同

4、訓練樣本和測試樣本，得到測試結(jié)果為0.0450.7990.039訓練次數(shù)3742 ,全局誤差0.0099959可見，改變輸入層、隱含層、輸出層的單元數(shù)，即改變網(wǎng)絡結(jié)構(gòu)，可以改善網(wǎng)絡性能，增加隱含層節(jié)點個數(shù)可以更好的提取模式特征，識別結(jié)果更精確，但網(wǎng)絡復雜度增加，可能不穩(wěn)定。6. 最大允許誤差£控制網(wǎng)絡識別精度。選取較大值學習速度加快，但精度降低；選取較小值，學習速度變慢，精度 提高，但可能導致網(wǎng)絡無法收斂到允許的誤差范圍。7. 增加學習樣本在基本實驗的基礎上，增加一個學習樣本 0.1 1.0 1.0后，訓練次數(shù)變增加為18982 ,全局誤差為0.0099993 ,相同測試樣本，測試結(jié)果為0.0050.8060.002網(wǎng)絡學習速度降低，識別精度大大提高。另外，改變學習樣本個數(shù)，將改變原有訓練結(jié)果。8. 改變部分連接權(quán)值將初始訓練結(jié)果輸入層與隱含層連接權(quán)