当前课程知识点:智能控制 >  第六章 典型神经网络 >  6.2 BP神经网络 >  6.2.2.2 BP神经网络应用实例分析之二:非线性函数拟合

返回《智能控制》慕课在线视频课程列表

6.2.2.2 BP神经网络应用实例分析之二:非线性函数拟合在线视频

下一节:7.1 什么是遗传算法

返回《智能控制》慕课在线视频列表

6.2.2.2 BP神经网络应用实例分析之二:非线性函数拟合课程教案、知识点、字幕

下面我们看BP神经网络的

应用非线性函数拟合

是第二个例子

我们要设计一个MATLAB程序

采用BP神经网络

解决非线性函数的拟合问题

BP神经网络训练

采用输入输出数据训练神经网络

使得训练后的神经网络

能够拟合出非线性函数

进而预测非线性函数的输出

这个表里面

我们给了一组实测数据17组

需要采用BP神经网络

求出它们之间的函数关系

y和x之间函数关系

那么这17组输入输出数据分为两部分

前面12组作为训练样本

后面5组作为测试样本

用来测试神经网络的拟合性能

神经网络预测

用训练好的神经网络预测函数输出

并对预测的结果进行分析

那么这是采用BP神经网络

拟合的步骤

第一步 初始化参数

根据拟合的非线性函数特点

构建BP神经网络

是一个输入一个输出的

第二步 利用非线性函数

输入输出数据

训练BP神经网络

这是训练样本

用它来进行训练

BP神经网络的权值阈值

第三步通过信号的正向反向传播

对样本进行误差训练

调整它的连接权值和阈值

第四步 判断系统的平均误差

如果结果达到了设定要求

就学习结束

否则的话返回步骤二

继续迭代

第五步 利用训练好的BP神经网络

基于测试样本

到输入信号

进行预测它的输出

并与它的实际输出进行比较

这是采用Matlab仿真得到的结果

对于我训练好的

通过训练样本

训练好了BP神经网络

对于后面五组数据

五个样本进行测试

蓝色的线表示它的期望输出

也就是还是要真实值

带圆圈的虚线表示它的预测输出

也就是神经网络的输出

基本上后面两个点是拟合的

第四个样本和第五个几乎拟合

前面三个还是有点差异

那么画出

函数拟合的绝对误差

是这条曲线

我们可以看到

在利用前12组数据

对BP神经网络进行训练200次后

再对后面5组数进行测试

预测的结果与实际值基本吻合

这表明BP神经网络

可以对非线性函数进行拟合

但是虽然它有较高的拟合能力

但它的网络预测结果仍然有一定的误差

某些样本点

前面三个点

它的预测误差还是比较大的

如果想要进一步地大大降低误差

达到更好的拟合效果

还需要结合其它的智能算法

进行进一步的优化改进

以得到更好的预测效果

智能控制课程列表:

第一章 智能控制课程概论

-开篇

--开篇

-1.1课程考试方式

--1.1课程考试方式

-1.2 数据、信息、知识与智能

--1.2 数据、信息、知识与智能

-1.3传统控制面临的挑战

--1.3 传统控制面临的挑战.

-1.4 控制科学发展过程

--1.4 控制科学发展过程.

-1.5 智能控制的多元论

--1.5

-1.6 控制策略的渗透与融合

--1.6

-1.7 智能控制与传统控制的联系与区别

--1.7

-1.8 智能控制的类型之分级递阶智能控制系统

--1.8

-1.9 智能控制的类型之专家控制系统

--1.9

-1.10 智能控制的类型之模糊控制系统

--1.10

-1.11 智能控制的类型之神经网络控制系统,智能控制的类型之基于规则的仿人智能控制系统,集成智能控制系统,组合智能控制

--1.11

-1.12智能控制系统的类型之基于规则的仿人智能控制系统,集成智能控制系统,组合智能控制

--1.12

-1.13本章小结

--1.13

-第一章测试

第二章 专家控制专题

-2.1基于搜索的问题求解

--2.1.1 搜索与人工智能的关系

--2.1.2 算法1 随机搜索

--2.1.3 算法2 引入CLOSED表.

--2.1.4 算法3 引入OPEN表.

--2.1.5 纵向搜索算法(深度优先搜索)

--2.1.6 横向搜索算法(广度优先搜索)

-- 2.1.7 均一代价搜索

--2.1.8 启发式搜索

--2.1.9 登山法和最佳优先搜索.

-- 2.1.10 A星算法

-- 2.1.11 八数码魔方实例分析

-2.2 专家系统简介

--2.2.1 专家系统简介(上)

--2.2.2 专家系统简介(下)

- 2.3 专家PID

--2.3.1 专家PID (上)

--2.3.2 专家PID (下)

-第二章测试

第三章 模糊控制的理论基础

-3.1 模糊控制概述

--3.1.1 模糊控制概述

-3.2 模糊集合

--3.2.1 模糊集合(上)

--3.2.2 模糊集合(中)

--3.2.3 模糊集合(下)

-3.3 隶属函数

--3.3隶属函数.

-3.4 模糊关系及其运算

--3.4模糊关系及其运算

-第三章测试

第四章 模糊控制

- 4.1 模糊自适应整定PID控制原理

--4.1.1 模糊自适应整定PID控制原理(上)

--4.1.2 模糊自适应整定PID控制原理(下)

-4.2 基于FF的模糊PID控制试验验证

-- 4.2.1 基于FF的模糊PID控制试验验证(上)

-- 4.2.2 基于FF的模糊PID控制试验验证(下)

-第四章测试

第五章 神经网络的理论基础

- 5.1 神经网络简介

--5.1 神经网络简介

- 5.2 神经网络的发展简史

--5.2 神经网络的发展简史

-5.3 神经网络的基本概念

--5.3 神经网络的基本概念

- 5.4 神经网络的分类

--5.4 神经网络的分类

-5.5 神经网络的学习算法、基本特征和研究领域

--5.5 神经网络的学习算法、基本特征和研究领域

-第五章测试

第六章 典型神经网络

-6.1 感知器

--6.1.1 感知器的数学模型.

--6.1.2.1 感知器应用实例分析(实现逻辑运算与或非)

--6.1.2.2 感知器应用实例分析(实现逻辑运算异或)

- 6.2 BP神经网络

--6.2.1.1 BP神经网络简介(上)

--6.2.1.2 BP神经网络简介(中)

--6.2.1.3 BP神经网络简介(下)

--6.2.2.1 BP神经网络应用实例分析之一:逻辑运算异或实现

--6.2.2.2 BP神经网络应用实例分析之二:非线性函数拟合

-第六章测试

第七章 遗传算法及其应用

- 7.1 什么是遗传算法

--7.1 什么是遗传算法

-7.2 遗传算法的特点

--7.2 遗传算法的特点

-7.3 遗传算法的基本操作之复制

--7.3 遗传算法的基本操作之复制

-7.4 遗传算法的基本操作之交叉与变异

--7.4 遗传算法的基本操作之交叉与变异

-第七章测试

第八章 遗传编程

-8.1 遗传编程工作原理

--8.1 遗传编程工作原理

-8.2 遗传编程基本操作之复制

--8.2 遗传编程基本操作之复制

-8.3 遗传编程基本操作之交换和突变

--8.3 遗传编程基本操作之交换和突变

- 8.4 遗传编程的工作步骤及实例分析

-- 8.4 遗传编程的工作步骤及实例分析

-第八章测试

期末测试

-期末测试

6.2.2.2 BP神经网络应用实例分析之二:非线性函数拟合笔记与讨论

也许你还感兴趣的课程:

© 柠檬大学-慕课导航 课程版权归原始院校所有,
本网站仅通过互联网进行慕课课程索引,不提供在线课程学习和视频,请同学们点击报名到课程提供网站进行学习。