人工神经网络 试题

1、简要说明误差反向传播的BP算法的基本原理，讨论BP基本算法的优缺点。并采用BP神经网络进行模式识别。设计一个BP网络对附图中的英文字母进行分类。输入向量含16个分量，输出向量分别用[1,-1,-1]T,[-1,1,-1]T,[-1,-1,1]T代表字符A，I，O。采用不同的学习算法（traingd，traingdm，traingdx，trainlm）进行比较。并测试施加5%噪声与输入时的测试结果。要求：给出matlab的源程序（可调用matlab NN工具箱），网络结构，初始权值，训练结果，测试结果。

2、简要说明误差反向传播的BP算法的基本原理，讨论BP基本算法的优缺点。并采用BP神经网络设计实现一个9*9表。采用不同的学习算法（traingd，traingdm，traingdx，trainlm）进行比较。要求：给出matlab的源程序（可调用matlab NN工具箱），网络结构，初始权值，训练结果，测试结果。（考虑将其中的数改为二进制）

3、简要说明误差反向传播的BP算法的基本原理，讨论BP基本算法的优缺点。表1中给出了某结构在多种状态下的特征向量，表2给出了某时刻结构的特征向量，请使用人工神经网络根据表2中的特征向量判断其所属状态。

表1

表2

网络结构设计输入个数为10，输出个数为1，故神经元个数为1，结构如下图。本题是一个模式识别问题，采用自组织竞争人工神经网络。图1-1 网络结构图画出6个状态在坐标系中如图1-2所示。

%创建输入向量

X=[0 1;0 1]

clusters=6;

points=10;

std_dev=0.05;

P=nngenc(X,clusters,points,std_dev);

plot(P(1,:),P(2,:),'+r')

title('Input Vectors');

xlabel('p(1)');

ylabel('p(2)');

%创建自组织竞争神经网络

net=newc([0 1;0 1],6,.1);

net=init(net);

w=net.IW{1};

hold off;

plot(P(1,:),P(2,:),'+r');

hold on; plot(w(:,1),w(:,2),'ob');

xlabel('p(1)');

ylabel('p(2)');

hold off;

net.trainParam.epochs=7;

hold on;

net=init(net);

more off;

net=train(net,P);

TRAINR, Epoch 0/7

TRAINR, Epoch 7/7

TRAINR, Maximum epoch reached. %训练该网络

hold on ；

net=init(net); more off;

w=net.IW{1};

delete(findobj(gcf,'color',[0 0 1])); hold off

plot(P(1,:),P(2,:),'+r');

hold off;

hold on; plot(w(:,1),w(:,2),'ob'); xlabel('p(1)');

ylabel('p(2)');

hold off;

%仿真该网络

p=[0.794;0.271];

a=sim(net,p);

ac=vec2ind(a)