什么是神經(jīng)網(wǎng)絡神經(jīng)網(wǎng)絡方法在生物信息學中的應用神經(jīng)網(wǎng)絡在matlab中的實現(xiàn)神經(jīng)網(wǎng)絡知識人工神經(jīng)網(wǎng)絡對人腦或自然神經(jīng)網(wǎng)絡若干基本特性的抽象和模擬

非局域性非線性性非定常性非凸性神經(jīng)網(wǎng)絡的基本性質2023/4/22神經(jīng)元神經(jīng)網(wǎng)絡知識神經(jīng)網(wǎng)絡結構神經(jīng)網(wǎng)絡知識神經(jīng)網(wǎng)絡分類前向網(wǎng)絡反饋網(wǎng)絡互聯(lián)網(wǎng)絡層內互聯(lián)前向網(wǎng)絡神經(jīng)網(wǎng)絡知識2023/4/26神經(jīng)網(wǎng)絡知識神經(jīng)網(wǎng)絡模型感知器網(wǎng)絡線性神經(jīng)網(wǎng)絡BP網(wǎng)絡徑向基函數(shù)網(wǎng)絡反饋網(wǎng)絡自組織網(wǎng)絡神經(jīng)元傳遞函數(shù)、網(wǎng)絡學習函數(shù)、激活函數(shù)不同net=newp()net=newlind()net=newff()net=newrbe()2023/4/27學習算法適用問題類型收斂性能占用存儲空間其他特點trainlm函數(shù)擬合收斂快誤差小大性能隨網(wǎng)絡規(guī)模增大而變差trainrp模式分類收斂最快較小性能隨網(wǎng)絡訓練誤差減小而變差trainscg函數(shù)擬合模式分類收斂較快性能穩(wěn)定中等尤其適用于網(wǎng)絡規(guī)模較大的情況trainbfg函數(shù)擬合收斂較快較大計算量隨網(wǎng)絡規(guī)模增大呈幾何增大traingdx模式分類收斂較慢較小適用于“提前停止”方法，可提高網(wǎng)絡推廣能力神經(jīng)網(wǎng)絡知識網(wǎng)絡訓練函數(shù)網(wǎng)絡權值、誤差學習函數(shù)神經(jīng)網(wǎng)絡知識mae絕對平均誤差mse均方誤差msereg規(guī)則化均方誤差sse平方誤差和網(wǎng)絡性能函數(shù)learpn標準化感知器學習規(guī)則learnwhLMS算法（近似梯度下降法）learngd梯度下降法learngdm動量梯度下降法以任意精度逼近任何函數(shù)魯棒性、容錯性強進行快速、大量運算學習和自適應不確定的系統(tǒng)神經(jīng)網(wǎng)絡的優(yōu)點同時處理定性、定量知識2023/4/211奶牛產(chǎn)奶量預測研究意義研究進展神經(jīng)網(wǎng)絡方法神經(jīng)網(wǎng)絡應用實例農(nóng)場主關心什么先輩（競爭對手）做了什么2023/4/213初產(chǎn)奶牛產(chǎn)奶量預測研究問題研究數(shù)據(jù)神經(jīng)網(wǎng)絡方法神經(jīng)網(wǎng)絡應用實例初產(chǎn)奶牛產(chǎn)奶量《》親代奶牛產(chǎn)奶量親代奶牛30d、60d、90d、…、305d產(chǎn)奶量初產(chǎn)奶牛305d產(chǎn)奶量初產(chǎn)奶牛產(chǎn)奶量《》初產(chǎn)奶牛營養(yǎng)量初產(chǎn)奶牛30d、60d、90d、…、305d營養(yǎng)量2023/4/214神經(jīng)網(wǎng)絡預測訓練集、測試集交互檢驗Jackknife檢驗采用標準集隨機選取GB126，CB25876個訓練，12或1個預測方法檢驗2023/4/215神經(jīng)網(wǎng)絡模型結構模型結構步驟一三層BP網(wǎng)絡結構輸出節(jié)點數(shù)為1模型結構步驟二訓練樣本數(shù)76輸入節(jié)點數(shù)為7隱層采用S型傳遞函數(shù)采用標準訓練、權值、性能函數(shù)網(wǎng)絡模型結構網(wǎng)絡結構模型網(wǎng)絡模型層數(shù)節(jié)點數(shù)傳遞函數(shù)輸入層7正切函數(shù)線性函數(shù)隱含層10輸出層1訓練函數(shù)：traingdx網(wǎng)絡權值、誤差學習函數(shù)：learngdm網(wǎng)絡性能函數(shù)：mse是否是最好的選擇方式神經(jīng)網(wǎng)絡預測工作步驟初始化網(wǎng)絡權值矩陣和神經(jīng)元閾值矩陣提供學習樣本計算網(wǎng)絡實際輸出和隱層神經(jīng)元輸出計算誤差對各層的影響修正權值和閾值計算網(wǎng)絡輸出誤差判斷誤差是否滿足要求結束訓練2023/4/219MATLAB神經(jīng)網(wǎng)絡工具箱net.performFcn=‘mse’;%設置性能函數(shù)為均方誤差net.trainParam.goal=0.01;%設置性能目標值net.trainParam.epochs=25000;%設置最大訓練步數(shù)net.trainParam.lr=0.02;%設置學習率設置各性能目標值如下神經(jīng)網(wǎng)絡程序實現(xiàn)2023/4/221神經(jīng)網(wǎng)絡程序實現(xiàn)MATLAB神經(jīng)網(wǎng)絡工具箱主要程序設計Original_data=textread(‘original.txt’);net=train(net,Train_data,Train_target_data)；%網(wǎng)絡訓練Out_data(i)=sim(net,Test_data)；%網(wǎng)絡仿真Target_data=textread(‘target.txt’);[R,P]=corrcoef(Target_data,Out_data)；%精度驗證2023/4/2222023/4/2232023/4/2252023/4/22612023/4/229710112023/4/2302023/4/2312023/4/232預測結果最后預測結果真實產(chǎn)奶量預測奶量2023/4/233對初始權重敏感，易收斂于局部極小收斂緩慢甚至不收斂隱層節(jié)點數(shù)不好確定過擬合