1、2021-11-131第八章第八章 神經網絡工具庫介紹神經網絡工具庫介紹2021-11-1328.1圖形用戶界面 前面兒章介紹了matlab神經網絡工具箱的各種函數,這些函數是神經網絡仿真程序設計的基礎,可以給用戶以充分的開發空間按照自己的構想設計各種神經網絡。但對于程序設計或神經網絡工具箱函數不是很熟悉的用戶來說,要快捷、方便、正確地設計一個神經網絡是非常困難的。2021-11-133 matlab 6.x的神經網絡工具箱neural network toolbox version 4.x提供了圖形用戶界面(graph user inteface , gui) ,從而使用戶在圖形界面上,通過

2、與計算機的交互操作設計和仿真神經網絡,使得神經網絡的設計和仿真變得簡單易學.2021-11-134 8.1.1 8.1.1 圖形用戶界面簡介圖形用戶界面簡介 函數nntool 的詳解見附錄。在matlab 命令窗口(command window)輸入nntool , 即可打networkdata manager(網絡數據管理器窗補如圖8.1 所示。)2021-11-135 圖8.1 圖形用戶界面2021-11-136 networkdata manager窗口有7個顯示區和2個按鈕區;( 1 ) inputs區域:顯示用戶指定的輸入向量變量名。( 2 ) targets 區域:顯示用戶指定的目

3、標向量變量名。( 3 ) input delay state區域:顯示用戶指定的輸入延遲參數變量名。2021-11-137( 4 ) networks區域:顯示用戶定義的網絡名( 5 ) outputs區域:顯示網絡的輸出向量變量名。( 6 ) errors區域:顯示網絡的訓練誤差變量名。( 7 ) layer delay states區域顯示用戶指定的網 絡層延遲參數變量名。( 8 )networks and data 按鈕區2021-11-138 help按鈕：單擊該按鈕,彈出network / data manager help 窗口,為用戶使用net -work/data manage

4、r 提供幫助。 new data 按鈕：單擊該按鈕,彈出create new data窗口,在該窗口可以定義各種數據類型的變量名和數據值(value)。 new network 按鈕：單擊該按鈕,彈出create new network 窗口,在該窗口可以定義神經網絡名稱、神經網絡類型及其網絡對象和子對象屬性參數等。2021-11-139 import 按鈕：單擊該按鈕,彈出import or load network/data manager窗口,可以通過該窗口從命令窗口或磁盤文件導人神經網絡或數據。 export 按鈕：單擊該按鈕,彈出export or save from network

5、/data manager窗口,可以將network/data manager窗口的變量導出到命令窗口或存人磁盤文件中。 view按鈕：先選中顯示區域的變量名或網絡名,單擊view 按鈕,則彈出一個新的窗口,在該窗口中顯示選中的變量或網絡的具體內容。 delete 按鈕：先選中顯示區域的變量名或網絡名,單擊ddete按鈕,則刪除選中的變量或網絡。2021-11-1310 (9) networks only按鈕區:先選中顯示區域的網絡名,單擊該區域的任意一個按鈕,則彈出一個新的窗口(network：網絡名),在該窗口中,可以查看網絡的結構示意圖,查看權值/閾值,設置網絡的初始化值、訓練參數、自適

6、應調整參數和仿真參數,并可對定義的神經網絡進行初始化、訓練、自適應調整、仿真等。 2021-11-1311 8.1.2 8.1.2 圖形用戶界面應用示例圖形用戶界面應用示例 仍以例6.1的模式分類問題為例,將待分類模式重畫于圖8.2 中。據例6.1 的分析,網絡結構重畫于圖8.3 中。第1層有5個神經元,第2 層有1個神經元。 訓練樣本集為11242110t0.2p，2021-11-1312 以圖形用戶界面設計上述神經網絡的具體方法如下： 圖8.2 待分類模式2021-11-1313 輸入 第一層 第二層 圖8.3 兩層bp 網絡(l)在matlab命令窗口鍵人nntool,

7、打開 network/data manager窗口。(2)創建神經網絡 單擊new network 按鈕,彈出create new network 窗口,如圖8.4所示。2021-11-1314 圖8.4 create new network 窗口2021-11-1315 輸入網絡名(network name)：demonet; 選擇網絡類型(network name)：feed-forward backprop; 確定輸入向量的取值范圍(input ranges) -4 1;0 2; 選擇訓練函數(training function ) : trainlm ; 選擇自適應調整學習函數(ada

8、ption learning function ) :learngdm; 選擇誤差性能函數(perf 。rmance function ) : mse ; 確定網絡層數(number of layers ) : 2 ; 2021-11-1316 確定各網絡層的屬性(properties for ) : layer1 神經元數(number of neurons )為5 , 傳輸函數(transfer function )為logsig ; layer2 神經元數(number of neurons )為1 , 傳輸函數(transfer function )為logsig 。 單擊view 按

9、鈕可以查看以上定義的網絡結構,如圖8.5所示2021-11-1317 圖8.5 view of new network 窗口2021-11-1318 單擊create 按鈕,關閉create new network 窗口,回到network/data manager窗口,可以看到在networks區域顯示出建立的網絡名 demonet, 選中該網絡名,單擊該窗口的view 按鈕也可以查看到如圖,8.5所示的網絡結構。2021-11-1319 (3)訓練網絡 確定訓練樣本的輸入向量。在network data manager 窗口單擊new data 按鈕,彈出create new data窗口

10、,選擇數據類型為inputs ,輸入向量名(name )為p ,其值( value )為 如圖8.6 所示。然后單擊create 按鈕,關閉create new data窗口,回到network/data manager窗口。可以看到在inputs 區域顯示出輸入向量名 ,選中該輸入向量名,單擊該窗口的view 按鈕,彈出數據(data)窗口,在該窗口可以查看到該輸入向量的值,并可以修改數據值。p1 -1 -2 -4 2 1 1 0；2021-11-1320 確定訓練樣本的目標向量。按照與輸入向量同樣的方法可以確定目標向量,只是選擇數據類型為targets,輸入向量名為 ,數據值為 訓練網絡。

11、在network/data manager 窗口選中網絡名demonet,單擊train 按鈕,則彈出network:demonet窗口,如圖8.8 所示。t0.2 0.8 0.8 0.22021-11-1321圖8.6 create new data 窗口2021-11-1322 圖8.7 create new data 窗口2021-11-1323 圖8.8 network 窗口2021-11-1324 可以看出,該窗口為一個多頁面對話框,在train 頁面有3個子頁面：training lnfo 在該子頁面將劃訓練數據(training data)的輸入向量(inputs )選擇為p,目

12、標向量(targets)選擇為t;訓練結果(training results)的輸出變量(outputs ) 和誤差性能變量(errors)采用系統自動生成的demonet _ output,和demonet _ errors,當然它們也可以由用戶重新定義。2021-11-1325trainingparameters 在該子頁面可以設置訓練的各種參數,這要根據具體訓練和學習函數進行確定,相關內容可參看各神經網絡模型的訓練和學習算法。本例采用其默認值即可。optional lnfo 該子頁面用以確定在訓練時是否采用確認樣本和測試樣本,本例均不采用。2021-11-1326 以上過程完成后,單擊該

13、頁面的train network按鈕,開始訓練,其訓練過程如圖8.9所示。 圖8.9 訓練誤差性能曲線2021-11-1327 訓練完成后,在network/data manager窗口可以看到,在outputs區域顯示出輸出變量名demonet_outputs,在errors區域顯示出誤差性能變量名demonet_ rrors。選中變量名,單擊該窗口的view 按鈕,則彈出數據(data)窗口,在該窗口可以查看到該所選中變量的具體數據。2021-11-1328 (4)網絡仿真在network/data manager窗口選中網絡名demonet,單擊simulate 按鈕,彈出network

14、: demonet窗口,顯示simulate頁面,如圖8.10所示。 將仿真數據選擇為p,仿真結果選擇為a,單擊simulate network按鈕,則在network/ data manager窗口的outputs,區域顯示出輸出變量名a,選中該變量名,單擊該窗口的view 按鈕,彈出數據(data: a)窗口,在該窗口可以查看仿真結果的具體數據,如圖8.11 所示。2021-11-1329 可以看出,網絡很好地完成了圖8.2 所示的兩類模式分類問題。當然,可以用訓練樣本以外的數據進行仿真,此時,需要先在network/data manager窗口建立仿真的輸入向量,建立方法與建立訓練樣本的

15、輸入向量相同,然后在network: demonet窗口的simulate 頁面選擇該仿真的輸入向量名,進行仿真。 2021-11-1330 圖8.10 network:demonet窗口的simulate頁面2021-11-1331 圖8.11 仿真結果數據2021-11-1332 8.1.3 圖形用戶界面的其他操作圖形用戶界面的其他操作 1網絡變量的導出和存盤 在network / data manager 窗口單擊export按鈕,則彈出export or save from net work/data manager窗口,如圖8.12 所示。2021-11-1333 (1)將netwo

16、rk/data manager窗口的網絡變量導出到命令窗口。 先選擇要導出的變量,當選擇單個變量時,直接用鼠標單擊變量名即可;當選擇多個變量時,同時按住ctrl 鍵;當選擇所有變量時,單擊select all 按鈕。選擇完成后,單擊export按鈕,即可將選擇的變量導出到命令窗口。2021-11-1334 (2)將net work/data manager窗口的網絡變量存入磁盤文件。 選擇要存儲的變量,方法同上,然后單擊save按鈕,彈出save to a mat file對話框,用戶可以選擇存儲的路徑,并輸入存儲文件名,按保存按鈕,即可將選擇的變量存入指定的磁盤文件中。2021-11-133

17、5 圖8.12 導出數據窗口導出數據窗口2021-11-1336 需要注意的有兩點： 文件名及路徑名不能是漢字,否則將導致存儲失敗。 除了網絡名,其他數據變量都是以細胞矩陣的形式存儲的,在從該文件重新導入network/ data manager窗口時,以細胞矩陣的形式存儲的變量往往不能直接作為各種數據加載。在這種情況下,用戶可先用load 命令,將其加載到matlab 命令窗口,將細胞矩陣轉換為普通矩陣形式后,再從命令窗口導入network/ data manager 窗口。2021-11-1337 2網絡變量的導入和讀取網絡變量的導入和讀取 (1)將命令窗口變量導人network/data

18、 manager窗口 先在命令窗口定義網絡和數據變量,然后在network/data manager窗口單擊import按鈕,則彈出import or load to network/data manager窗口,如圖8.13 所示。2021-11-1338 命令窗口定義的網絡名和數據變量名將顯示在導人數據窗口的select a variable區域,用戶可以從中選擇一個變量,若選擇的變量數據與network/data manager窗口要求的網絡(networks)或其他數據類型(inputs, targets等)相匹配,則在窗口的destination 區域的單選按鈕以及import 按鈕

19、將從“禁止”變為“允許”狀態。在name 編輯框中輸入用戶在network / datamanage：窗口使用的變量名(當然也可以與選擇的變量名一樣),單擊單選按鈕選擇用戶2021-11-1339 需要導入的選項,然后單擊import按鈕,即可將命令窗口定義的網絡或變量導入network/data manager窗口。 若選擇的變量數據與network/data manage：窗口要求的數據類型都不匹配,則在destination區域的單選按鈕以及import,按鈕均為“禁止”狀態,此時,選中的變量將無法導入network/data manager窗口。2021-11-1340 圖8.13 導

20、入數據窗口 2021-11-1341 (2)將文件中的變量導入network/data manager窗口 若在network/data manager窗口單擊import 按鈕,則彈出lmport or load to net- work/data manager窗口,如圖8.12所示。在source區域,單擊單選按鈕的load from disk file項,則mat-file name編輯框和browse按鈕從“禁止”變為“允許”狀態。此時,可以直接在mat-file name編輯框輸入源文件名,或單擊browse 按鈕,從彈出的文件select mat file對話框中,選擇源文件名則

21、選擇源文件存儲的變量將顯示在select a variable 區域。將顯示變量導人network/data manager窗口的方法同1。2021-11-1342 需要注意的是,源文件名及路徑名不能是漢字,否則導致讀取文件失敗。 本章介紹了matlab 神經網絡工具箱的圖形用戶界面,為尚不熟悉以matlab 編程進行神經網絡設計與仿真的用戶提供了一個非常好的交互式圖形界,使得神經網絡的設計和仿真變得輕而易舉。 到目前為止,所討論的仿真都是基于編程實現的,而matlab 還提供了系統動態仿真工具箱simuhnk,利用神經網絡仿真模型庫可以以模塊方式實現神經網絡的動態仿真。 2021-11-13

22、43 8.2 simulink 仿真工具箱 matlab simulink稱之為系統動態仿真工具箱,其實它是一個軟件包,利用該軟件包,用戶可以對系統進行建模、仿真和對輸出隨時間變化的系統進行分析。simulink 還廣泛應用于現實世界動態系統的研究,包括電子電路、減震器、制動系統等電子、機械、熱力學等系統。simuhnk神經網絡仿真模型庫只是simulink 眾多模型庫中很少的一部分,關于simulink 的一般應用方法,讀者可參閱其他matlab 參考書。2021-11-1344 8.2.1 simulink 神經網絡仿真模型庫簡介神經網絡仿真模型庫簡介 在matlab 命令窗口,輸入neu

23、ral 即可打開神經網絡仿真模型庫(library : neural )窗口,如圖8.14所示。2021-11-1345 圖8.14 神經網絡仿真模型庫2021-11-1346 當然,也可在matlab命令窗口輸入simulink,打開simulink模型庫瀏覽器(simulink library browser ),通過選擇左邊的樹型目錄,在窗口右邊瀏覽神經網絡仿真模型庫,如圖8.15所示。圖8.152021-11-1347圖8.162021-11-1348 simulink 神經網絡仿真模型庫包含4個模塊：傳輸函數(transfer functions)模塊、網絡輸入函數(net inpu

24、t functions)模塊、權值函數(weight functions)模塊和控制系統(control systems)模塊。2021-11-1349 圖8.17 simulink 模型庫瀏覽器2021-11-1350 1.transfer functions 模塊模塊 雙擊library: neural窗口中的transfer functions模塊,彈出library:neural/ transfer functions窗口,如圖8.18所示。 可通過simulink library browser瀏覽transfer functions模塊,可以通過左邊的樹型目錄選擇,也可以雙擊右邊顯示出的transfer functions模塊,讀者自行操作體會,本書不再贅述。 圖8.18中的12個傳輸函數模塊中,只有1個輸入端和1個輸出端,分別可以接受1個網絡輸入向量和產生1個相應的輸出向量,輸入輸出向量的規模是一致的。2021-11-1351 2.net input functioris 模塊模塊 雙擊library:neural 窗口中的net input function、模塊