Elman神经网络.ppt

1、第九章 Elman神经网络Elman网络结构l带反馈的BP网络l行程迟滞具有短期记忆功能Elman神经网络结构特点l四层：输入层、中间层（隐藏层）、承接承接层层和输出层l承接层：又称为上下文层或状态层，记忆隐含层前一时刻的输出l对历史状态敏感，增加处理动态信息的能力，可动态建模Elman网络神经元l输入层：没有神经元l隐藏层：S神经元l承接层：没有神经元l输出层：线性神经元Elman网络学习算法l也采用BP算法进行权值修正，指标函数为误差平方和Elman网络的构建lNET=NEWELM(PR,S1 S2.SNl,TF1 TF2.TFNl,BTF,BLF,PF)lPR -Rx2 维矩阵，表示R个

2、输入的范围lSi -每层有几个神经元lTFi 每层神经元的类型lBTF 训练算法，默认为 traingdx.lBLF 学习算法，默认为 learngdm.lPF -表现函数，默认为 mse例一：构建一个Elman网络l构建一个单输入、单输出，隐藏层有5个神经元的Elman网络l输入网络的IW，LW1和LW2进行观察分析（维数）l随机产生一个输入向量，观察相应输出l为输入向量指定期望输出进行训练l观察训练后网络的输出振幅检测l检波、低通滤波例二：应用Elman网络进行振幅检测l意义：演示Elman网络如何进行时间模式时间模式识别和分类识别和分类（低通滤波）l实现方法l设置输入（两种振幅的正弦波）

3、和期望输出l建立网络并根据输入和期望输出进行训练l用原输入信号对网络进行测试l用一组新的输入信号（频率和振幅都有改变）对网络进行测试例三：基于Elman网络的空调负荷预测l空调系统的逐时负荷是按时间顺序排列的数字序列，它们之间有某种统计意义上的关系，很难用函数描述l空调负荷预测问题：多变量、强耦合、严重非线性、动态性l要求：根据过去的N（N1）个数据预测未来M（M 1）个时刻的值预测方法的选取l神经网络方法的优势l并行、分布式、自组织l静态网络lBP网络：系统定阶困难、规模大、收敛慢l动态网络lElman：适应时变特性样本数据的分段方法空调负荷数据l每天只选912四个小时的负荷基于Elman网络的空调负荷预测步骤l构造训练样本：每3天的负荷作为输入向量，第4天的复合作为目标向量（三组训练样本，第7天的数据作测试）l网络结构：输入层12维，输出层4个神经元，中间层神经元设置为13个l设置训练参数，最大训练次数1000l用第7天的数据做测试Elman网络小结l结构：带反馈的BP网络（在隐藏层反馈）l特点：有短期记忆功能l应用：时间模式识别和分类