智能控制课程设计报告书.docx

上传人:b****0 文档编号:25880947 上传时间:2023-06-16 格式:DOCX 页数:7 大小:30.96KB
下载 相关 举报
智能控制课程设计报告书.docx_第1页
第1页 / 共7页
智能控制课程设计报告书.docx_第2页
第2页 / 共7页
智能控制课程设计报告书.docx_第3页
第3页 / 共7页
智能控制课程设计报告书.docx_第4页
第4页 / 共7页
智能控制课程设计报告书.docx_第5页
第5页 / 共7页
点击查看更多>>
下载资源
资源描述

智能控制课程设计报告书.docx

《智能控制课程设计报告书.docx》由会员分享,可在线阅读,更多相关《智能控制课程设计报告书.docx(7页珍藏版)》请在冰豆网上搜索。

智能控制课程设计报告书.docx

智能控制课程设计报告书

《智能控制》课程设计报告

 

题目:

采用BP网络进行模式识别

院系:

专业:

姓名:

学号:

指导老师:

日期:

年月日

 

1、课程设计的目的和要求………………………………3

2、问题描述………………………………………………3

3、源程序…………………………………………………3

4、运行结果………………………………………………6

5、总结……………………………………………………7

 

课程设计的目的和要求

目的:

1、通过本次课程设计进一步了解BP网络模式识别的基本原理,掌握BP网络的学习算法

2、熟悉matlab语言在智能控制中的运用,并提高学生有关智能控制系统的程序设计能力

要求:

充分理解设计内容,并独立完成实验和课程设计报告

问题描述

采用BP网络进行模式识别。

训练样本为3对两输入单输出样本,见表7-3。

是采用BP网络对训练样本进行训练,并针对一组实际样本进行测试。

用于测试的3组样本输入分别为1,0.1;0.5,0.5和0.1,0.1。

输入

输出

1

0

1

0

0

0

0

1

-1

 

表7-3训练样本

说明:

该BP网络可看做2-6-1结构,设权值wij,wjl的初始值取【-1,+1】之间的随机值,学习参数η=0.5,α=0.05.取网络训练的最终指标E=10^(-20),在仿真程序中用w1,w2代表wij,wjl,用Iout代表

x'j。

源程序

%网络训练程序

clearall;

closeall;

 

xite=0.50;

alfa=0.05;

 

w2=rands(6,1);

w2_1=w2;w2_2=w2;

 

w1=rands(2,6);

w1_1=w1;w1_2=w1;

dw1=0*w1;

I=[0,0,0,0,0,0]';

Iout=[0,0,0,0,0,0]';

FI=[0,0,0,0,0,0]';

 

k=0;

E=1.0;

NS=3;

whileE>=1e-020

k=k+1;

times(k)=k;

fors=1:

1:

NS

xs=[1,0;

0,0;

0,1];

ys=[1,0,-1]';

x=xs(s,:

);

forj=1:

1:

6

I(j)=x*w1(:

j);

Iout(j)=1/(1+exp(-I(j)));

end

y1=w2'*Iout;

 

el=0;

y=ys(s,:

);

el=el+0.5*(y

(1)-y1

(1))^2;

es(s)=el;

E=0;

ifs==NS

fors=1:

1:

NS

E=E+es(s);

end

end

ey=y-y1;

 

w2=w2_1+xite*Iout*ey+alfa*(w2_1-w2_2);

forj=1:

1:

6

S=1/(1+exp(-I(j)));

FI(j)=S*(1-S);

end

 

fori=1:

1:

2

forj=1:

1:

6

dw1(i,j)=xite*FI(j)*x(i)*ey

(1)*w2(j,1)

end

end

w1=w1_1+dw1+alfa*(w1_1-w1_2);

w1_2=w1_1;w1_1=w1;

w2_2=w2_1;w2_1=w2;

end

Ek(k)=E;

end

figure

(1);

plot(times,Ek,'r');

xlabel('k');ylabel('E');

savewfilew1w2;

%网络训练程序

clearall;

loadwfilew1w2;

 

x=[1,0.1;

0.5,0.5;

0.1,1];

fori=1:

1:

3

forj=1:

1:

6

I(i,j)=x(i,:

)*w1(:

j);

Iout(i,j)=1/(1+exp(-I(i,j)));

end

end

y=w2'*Iout';

y=y'

运行结果

样本训练的收敛过程

W1的值

W2的值

输入

输出

1

0.1

0.9159

0.5

0.5

0.0087

0.1

1

-0.9190

测试样本及结果

总结

本次课程设计对我们来说还是存在一定的难度的,毕竟在这之前一直就没有做过课程设计,对BP网络识别理论感到生疏,另外对matlab软件也并不熟悉,属于现学现用的那种,但这却激发着我们对知识的渴望,不断地上网查资料,一遍又一遍的翻着书本,不断地探索着BP网络模式识别的原理,反复地研读着书本上的例题,让我们原本望而止步的事情终究是在我们的努力之下完成了!

通过本次课程设计,进一步了解了神经网络自学习、自组织和并行处理等特征,体会到了它强大的模式识别能力,熟悉了BP神经网络的学习算法,同时也体验了matlab软件在智能控制系统应用中强悍的数据处理能力!

当然,在本次侧成设计中,由于程序相对于我们以前接触的来说比较长,所以在设计及程序输入时都要特别细心,不过好在matlab软件中只要已输入一些比较明显的错误它都能立刻做出提示!

展开阅读全文
相关资源
猜你喜欢
相关搜索
资源标签

当前位置:首页 > 工作范文 > 行政公文

copyright@ 2008-2022 冰豆网网站版权所有

经营许可证编号:鄂ICP备2022015515号-1