神经网络实现非线性系统设计

导读:毕业设计(论文),中文题目神经网络实现非线性系统设计,【摘要】神经网络具有极强的非线性及自适应自学习的特性,本文前两章主要介绍了神经网络的发展背景和研究现状,还有BP网络的结构原理及相关功能,对如何利用GUI工具和神经网络原理设计非线性系统的基本流程进行了详细的阐述,以及是通过对BP神经网络算法及函数的运用,【关键词】BP网络,1.绪论.............................

神经网络实现非线性系统设计

毕 业 设 计(论文)

中文题目 神经网络实现非线性系统设计

英文题目 Neural Network Nonlinear System

院系: 年级专业: 姓名: 学号: 指导教师: 职称:

2016年月日

神经网络实现非线性系统设计

【摘 要】神经网络具有极强的非线性及自适应自学习的特性,常被用来模拟判断、拟合和控制等智能行为,成功渗透了几乎所有的工程应用领域,是一个在人工智能方向迅速发展的具有重大研究意义的前沿课题。

本文前两章主要介绍了神经网络的发展背景和研究现状,还有BP网络的结构原理及相关功能。然后,对如何利用GUI工具和神经网络原理设计非线性系统的基本流程进行了详细的阐述。最后,通过利用Matlab软件进行编程,以及是通过对BP神经网络算法及函数的运用,研究其在函数逼近和数据拟合方面的应用,并分析了相关参数对运行结果的影响。 【关键词】BP网络 ,GUI,非线性系统

【ABSTRACT】Neural network has a strong nonlinear and adaptive self-organizing properties, often used to simulate the behavior of intelligent decision-making, cognitive control, and the successful penetration of almost all engineering applications, is a rapid development in the direction of artificial intelligence leading subject of great research significance.

The first two chapters describes the background and current development issues, as well as the principle of BP network structure and related functions. Then describes how to use the GUI tools and neural network theory of nonlinear systems design basic flow. Finally, the use of Matlab programming and BP neural network algorithm function and study its application in terms of function approximation and data fitting, and analyzes the influence of relevant parameters on the results of running. 【keywords】BP network,GUI,Nonlinear System

1

神经网络实现非线性系统设计

目 录

1. 绪论............................................................................................................................................. 3 1.1 神经网络的发展历程 ............................................................................................................... 3

1.2 神经网络的研究内容和局限性 ....................................................................................... 4

1.2.1 神经网络的研究内容 ........................................................................................... 4 1.2.2 神经网络研究的局限性 ....................................................................................... 5 1.3 神经网络的应用 ............................................................................................................... 5 1.4 神经网络的主要特征 ........................................................................................................ 6 2 神经网络结构及BP神经网络 ..................................................................................................... 7

2.1 神经元与网络结构 ........................................................................................................... 7

2.1.1 人工神经元 ........................................................................................................... 7 2.1.2人工神经网络的构成 ............................................................................................ 8 2.2 BP神经网络及其原理 ...................................................................................................... 9

2.2.1 BP神经网络定义 .................................................................................................. 9 2.2.2 BP网络模型及其算法框图 .................................................................................. 9 2.3 BP神经网络的主要功能 ................................................................................................ 10 3 BP神经网络在非线性系统中的应用 ........................................................................................ 11

3.1 神经网络GUI实现非线性系统设计 ............................................................................. 11

3.1.1 GUI设计工具的菜单方式 .................................................................................. 11 3.1.2 图形用户界面设计窗口 ..................................................................................... 13 3.2 GUI控制系统界面 .......................................................................................................... 14

3.2.1 GUI控制系统界面设计 ...................................................................................... 14 3.2.2 运行效果 ............................................................................................................. 16

4 BP网络在非线性函数中的应用 .............................................................................................. 18

4.1 BP网络在函数逼近中的应用 ........................................................................................ 18

4.1.1 问题的提出 ......................................................................................................... 18 4.1.2 基于BP神经网络逼近函数 ............................................................................... 19 4.2.3 不同频率下的逼近效果 ..................................................................................... 21 4.2.4 讨论 ................................................................................................................... 23 4.2 BP网络在函数拟合中的应用 ........................................................................................ 23

4.2.1 问题的提出 ......................................................................................................... 23 4.2.2 不同隐层神经元数对BP网络拟合函数的影响 ............................................... 24 4.2.3 不同映射函数对BP网络拟合函数的影响 ........................................................ 25 4.2.4 不同算法对BP网络拟合函数的影响 ............................................................... 28 4.2.5 结果讨论 ............................................................................................................. 30

5 结束语......................................................................................................................................... 32

2

神经网络实现非线性系统设计

1. 绪论

人工神经网络(artificial neural network,ANN)是由很多的简易的神经元进行复杂的相互之间的连接而构成的一个繁杂的网络系统,它是人脑的基本的特征功能它通过模拟人脑的基本特性和信息处理方式,形成一个由大量称为神经元的简单处理单元构成的自适应非线性动态系统[1]。近些年来,神经网络在模拟决策和认知的方面越深入的发展,成为人工智能方向一个备受青睐的前沿课题。其具有适应性的简易的基本单元构成的互接的网络,它能模拟人脑神经系统对现实世界物体做出的各种反应。简单来说,它是一种模拟人脑思维的方式,其特点在于可以将分布式的存储里面的信息进行并行协同处理。由于神经元的不同,单个神经元和多个神经元的构成网络效果也是不一样的,单个神经元功能有限,构成的神经网络也是较为简单的网络。但是多个神经元所构成的网络就比较丰富了,能实现的功能行为也是多样的。它有着强大的非线性建模能力、自组织和自学习能力、可塑造能力、并行分布处理方式及良好的鲁棒性和容错性等特点,被广泛应用于科研与工程中,所以在很多领域比如模式识别,组合优化,预测等被科学家广泛的应用。

1.1 神经网络的发展历程

神经网络从二十世纪的诞生到今天已经快一个世纪了,头尾经过有了3个阶段:

1)19世纪90年代-20世纪60年代:研究的兴起

自1890年关于人脑结构与功能的研究专著拉开神经网络研究的序幕,到20世纪60年代为止,M-P模型、感知器模型和自适应线性网络等多种网络模型及理论都为神经网络的研究奠定了基础。

2)20世纪60年代-20世纪70年代:低潮的来临

时间到了1969年,人们对感应器进行思考,发现了其存在较大的缺陷以及

3

神经网络实现非线性系统设计

不足,例如简单的线性感知器不可能实现“异或”的逻辑关系,再加上计算机发展进去全盛时期,因而很多研究人员把目光移向了人工智能,神经网络发展逐渐的走向了萧条。但是,很多的科学家还是在对这方面的研究中投入了大量的经历,不愿意放弃对其进行的研究。其中,Grossberg和他夫人就对自适应的共振理论给予提出,并进行了相关的研究; Anderson提出了交互存储器等。正是拥有这些具有重大价值的科学研究成果,才推动了神经网络的复兴与再发展迈出巨大的一步。

3)20世纪80年代-90年代:复兴与再发展

伴随着科学的迅速发展,各个科学都取得巨大的进步,与此同时建立在多个复杂学科交叉的神经网络也开始蓬勃发展。随着各种资源和人力的投入,科学家逐渐意识到神经网络的巨大潜力。John Hopfield提出了具有开拓性的Hopfield模型,但是寻求全局最优解的还需深入学习。

1.2 神经网络的研究内容和局限性

1.2.1 神经网络的研究内容

研究内容包含四个部分[4]:

(1)生物原型研究:探索人脑结构和神经细胞的功能机制,进行神经系统、生物学、脑神经学、心理学、动物解剖学、神经科学、病理学和其余的生物学的神经系统的专研。

(2)理论模型的建立:根据生物原型和基础理论的研究成果,寻求建立功能更全面、性能更强大的各类神经网络的结构、数据、仿真等。

(3)虚拟模型和算法研究:针对要探索的题目来建立相应的理论模型,以实现智能仿真或利用硬件建立模型,或者对所应用的向量算法的探索。这一系列的操作就是为了探索技术模型。

4

五星文库wxphp.com包含总结汇报、资格考试、IT计算机、文档下载、word文档、教学研究、考试资料、计划方案、党团工作、教学教材、旅游景点、办公文档、外语学习、行业论文、工作范文以及神经网络实现非线性系统设计等内容。