《神经网络技术与应用》程序题答案(共15页).doc

《《神经网络技术与应用》程序题答案(共15页).doc》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(共15页).doc（15页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、精选优质文档-倾情为你奉上 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？（10分）2简述感知器的网络结构、工作原理及主要应用领域。（10分）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： ，基本步骤如下：（1）在区间上均匀选取个点（自行设定），计算的实际值，并由此组成网络的样本集；（2）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；（3）在区间上随机选取个点（，最好为非样本点），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；（4）说明不同的、值对网络学习效果的影响。（15分）4简述

2、CMAC网络的结构及特点。（10分）5试用RBF网络学习一下函数（步骤可参看第3题）： 其中：，。若输入信号的分辨率不同时，对算法的收敛过程有何影响。（15分）6用Hopfield网络对如下字符进行识别： （1）试确定网络结构和网络权值；（2）将污染率为10%字符“0”、“1”、“2”、“3”（随机设定）输入网络，给出网络收敛后的结果。（3）将污染率为20%字符“4”、“6”、“9”（随机设定）输入网络，给出网络收敛后的结果。（20分）7简述ART-1网络的结构和工作过程。（10分）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。（10分）3.程序如下x=

3、-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) plot(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

4、(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；越大，训练次数越少，训练时间减少，网络性能变差，学习效果变坏；总体上说，N越大，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的训练要求。5

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 = 9868.38NEWRB, neurons = 25, MSE = 136.414NEWRB, neurons = 1000, MSE = 1.41658e-010i,j=meshgrid(-5:0.1:5);row=size(i);tx1=i(:);tx1=tx1;tx2=j(:);tx2=tx2;tx=tx1;tx2;ty=

6、sim(net,tx);v=reshape(ty,row);figuremesh(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

7、 -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;.

8、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(imresize(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); fo

9、r i=1:120 a=rand; if a=0.3one(i)=-1*one(i);zero(i)=-1*zero(i);two(i)=-1*two(i);three(i)=-1*three(i);endendno0=zero;no1=one;no2=two;no3=three;subplot(3,4,5);imshow(imresize(zero,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)

10、;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=(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);

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 -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 -

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;.subplot(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=

13、four;six;nine;net=newhop(I)rand(state,0);for i=1:120a=rand;if a=0.2four(i)=-1*four(i);six(i)=-1*six(i);nine(i)=-1*nine(i);endendno4=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);专心-专注-专业