淺談神經網絡張舒摘要：本文主要介紹仿生算法神經網絡的原理和應用方向，分為兩個部分，首先是關于原理的介紹，然后是關于MATLAB神經網絡工具箱程序和應用關鍵詞：BP神經網絡機器學習matlab神經網絡工具箱人工神經網絡的基本工作原理神經元是構成神經網絡的最基本單元，神經元之間的連接方式不同，可得到不同的神經網絡；各神經元之間連接強度是由神經網絡內部加權系數決定的，加權系數決定了信號傳遞的強弱，信號可以起刺激作用也可以起抑制作用，而且加權系數可以隨著訓練進行改變。這些特征使得人工神經網絡具有高度的靈活性。神經網絡的工作過程主要分為兩個階段，第一階段是學習期，此時各計算單元狀態不變，各連線上的權值通過學習來修改。第二階段是工作期，此時連接權固定，計算單元狀態變化，以達到某種穩定狀態。通過向環境學習獲取知識并改進自身性能是神經網絡的一個重要特點，這種概念來自生物模型，它使機體能在復雜多變的環境中進行有效的自我調節。當一個神經網絡結構確定以后，若想改變其輸出值，但又不能改變它的轉換函數，只能改變其輸入，而改變輸入的唯一辦法只能修改加在輸入端的加權系數。因而，神經網絡的學習過程是修改加權系數的過程，使其輸出接近或達到期望值，學習結束。在一般情況下，性能的改善也是按某種預定的度量通過調節自身參數隨時間逐步達到的，由此使神經網絡具備類似人類的學習能力，使自身性能得到改進。將這種特性應用于各類自動控制系統中，使系統具有較高的智能行為，實現神經網絡自動控制。學習算法是神經網絡的主要特征，也是當前研究的主要課題。神經網絡學習算法很多,下面介紹一種常用的神經網絡。BP神經網絡MATLAB神經網絡工具箱中包含關于神經網絡函數，主要有以下幾類。前向網絡創建函數：newef，newff，newfftd。激勵函數：logsig，dlogsig，tansig，dtansig，purelin，dpurelin。學習函數：learngd，learngdm。性能函數：mse，msereg。以上MATLAB神經網絡工具箱函數將在下面的MATLAB程序中講到，此程序是關于人臉方向識別的小程序。源程序：M_train=3;%表示人臉N_train=5;%表示方向sample=[];pixel_value=[];sample_number=0;forj=1:N_trainfori=1:M_trainstr=strcat('Images\',num2str(i),'_',num2str(j),'.bmp');%讀取圖像，連接字符串形成圖像的文件名。img=imread(str);[rowscols]=size(img);%獲得圖像的行和列值。img_edge=edge(img,'Sobel');%由于在分割圖片中我們可以看到這個人臉的眼睛部分也就是位于分割后的第二行中，位置變化比較大，而且眼睛邊緣檢測效果很好sub_rows=floor(rows/6);%最接近的最小整數,分成6行sub_cols=floor(cols/8);%最接近的最小整數，分成8列sample_num=M_train*N_train;%前5個是第一幅人臉的5個角度sample_number=sample_number+1;forsubblock_i=1:8%因為這還在i，j的循環中，所以不可以用iblock_num=subblock_i;pixel_value(sample_number,block_num)=0;forii=sub_rows:(2*sub_rows)forjj=(subblock_i-1)*sub_cols+1:subblock_i*sub_colspixel_value(sample_number,block_num)=pixel_value(sample_number,block_num)+img_edge(ii,jj);endendendendend%將特征值轉換為小于1的值max_pixel_value=max(pixel_value);max_pixel_value_1=max(max_pixel_value);fori=1:3mid_value=10^i;if(((max_pixel_value_1/mid_value)>1)&&((max_pixel_value_1/mid_value)<10))multiple_num=1/mid_value;pixel_value=pixel_value*multiple_num;break;endend%T為目標矢量t=zeros(3,sample_number);%因為有五類，所以至少用3個數表示，5介于2的2次方和2的3次方之間fori=1:sample_number%if((mod(i,5)==1)||(mod(i,5)==4)||(mod(i,5)==0))if(i<=3)||((i>9)&&(i<=12))||((i>12)&&(i<=15))t(1,i)=1;end%if((mod(i,5)==2)||(mod(i,5)==4))if((i>3)&&(i<=6))||((i>9)&&(i<=12))t(2,i)=1;end%if((mod(i,5)==3)||(mod(i,5)==0))if((i>6)&&(i<=9))||((i>12)&&(i<=15))t(3,i)=1;endend%NEWFF——生成一個新的前向神經網絡%TRAIN——對BP神經網絡進行訓練%SIM——對BP神經網絡進行仿真%定義訓練樣本%P為輸入矢量P=pixel_value'%T為目標矢量T=tsize(P)size(T)%size(P)%size(T)%創建一個新的前向神經網絡net_1=newff(minmax(P),[10,3],{'tansig','purelin'},'traingdm')%當前輸入層權值和閾值inputWeights=net_1.IW{1,1}inputbias=net_1.b{1}%當前網絡層權值和閾值layerWeights=net_1.LW{2,1}layerbias=net_1.b{2}%設置訓練參數net_1.trainParam.show=50;net_1.trainParam.lr=0.05;net_1.trainParam.mc=0.9;net_1.trainParam.epochs=10000;net_1.trainParam.goal=1e-3;%調用TRAINGDM算法訓練BP網絡[net_1,tr]=train(net_1,P,T);%對BP網絡進行仿真A=sim(net_1,P);%計算仿真誤差E=T-A;MSE=mse(E)x=[0.140110111.2]';sim(net_1,x)人工神經網絡主要可以發現數據中的內在規律，它能通過自我的機器學習來發現數據之間的聯系，進而盡可能找到精確的預測數據，比如用在對人口預測，基金和股票的預測中，同時也可以進行圖像識別，比如人臉識別中。參考文獻：[1]卓金武.MATLAB在數學建模中的應用.[M]北京：北京航空航天大學出版社.2011.[2]www.iLoveM[3]DiscussontheneuralnetworkZhangShuAbstract:Thispaperdescribestheprinciplesandapplicationsofbionicalgorithmneuralnetworkdirection,dividedintotwoparts,thefirst