欢迎来到毕设资料网! | 帮助中心 毕设资料交流与分享平台
毕设资料网
全部分类
  • 毕业设计>
  • 毕业论文>
  • 外文翻译>
  • 课程设计>
  • 实习报告>
  • 相关资料>
  • ImageVerifierCode 换一换
    首页 毕设资料网 > 资源分类 > DOC文档下载
    分享到微信 分享到微博 分享到QQ空间

    基于madaline的神经网络系统课程设计

    • 资源ID:1413294       资源大小:102.50KB        全文页数:11页
    • 资源格式: DOC        下载积分:100金币
    快捷下载 游客一键下载
    账号登录下载
    三方登录下载: QQ登录
    下载资源需要100金币
    邮箱/手机:
    温馨提示:
    快捷下载时,用户名和密码都是您填写的邮箱或者手机号,方便查询和重复下载(系统自动生成)。
    如填写123,账号就是123,密码也是123。
    支付方式: 支付宝   
    验证码:   换一换

     
    账号:
    密码:
    验证码:   换一换
      忘记密码?
        
    友情提示
    2、PDF文件下载后,可能会被浏览器默认打开,此种情况可以点击浏览器菜单,保存网页到桌面,就可以正常下载了。
    3、本站不支持迅雷下载,请使用电脑自带的IE浏览器,或者360浏览器、谷歌浏览器下载即可。
    4、本站资源下载后的文档和图纸-无水印,预览文档经过压缩,下载后原文更清晰。

    基于madaline的神经网络系统课程设计

    1、 软件质量控制与测试课程设计报告软件质量控制与测试课程设计报告 ( 2011 - 2012 年度第 一 学期) 课程名称: 软件质量控制与测试课程设计报告 题 目: 基于 madaline 的神经网络系统 院 系: 计算机科学与技术系 班 级: 学 号: 姓 名: 指导教师: 设计周数: 两周 日期:2012 年 5 月 4 日 2 一一.任务书任务书 1.项目背景项目背景 人工神经网络也称为神经或称作连接模型, 是对人脑或自然神经网络若干基本特性的抽 象和模拟。 人工神经网络以对大脑的生理研究成果为基础, 其目的在于模拟大脑的某些机理 与机制,实现某个方面的功能。神经网络的分类有多种方法:按

    2、结构分有前馈神经网络和后 馈神经网络;按应用功能来分有局部逼近网络和全局逼近网络。 2.要求要求 2.1 目的和用途 实现网络计算,并输出网络分别在训练样本和测试样本上的性能值。 2.2 主要内容和组成 一输入界面的设计包括如下: (1)输入数据, 其中数据的格式可分为.xls,.doc,.txt.提供数据可分为训练样本和测试样本, 训练样本中已经包含了输入数据和本身的输出数据。测试样本中只有输入数据。 (2)输入的数据想通过上传文件的格式,并且能够一次性上传多个文件,在没有人得干 预下,让它自己进行训练与测试。 (3)在此软件上能够任意的设置输入维数的参数。 (4)在软件输入界面上要设有样本

    3、的个数,能够通过人工的预设。 二输出界面的设计包括如下: (1)学习性能 (2)测试性能 (3)样本成功率 (4)测试样本成功率 (5)学习效率 (6)范化性能 (7)实际迭代次数 (8)学习性能 (9)输出数据,其中输出数据为-1,和 1,因为考虑到输出的多样性,而且数据范围比较 大。-1 是表示在训练数据时输出的数据与预期的数据不一致时呈现的结果。1 是表示的在训 练数据时输出的数据与预期的数据一致时呈现的结果。 二二.需求分析需求分析 1.需要实现的功能需要实现的功能 文件复制,文件移动,目录创建,文件浏览,文件上传下载,程序运行,插件安装,插 件卸载,整体卸载等远程控制功能,端口更换,

    4、密码更换等系统功能 2.界面要求界面要求 界面使用知识流界面模式, 知识流界面提供默认与自定义配置结合, 而此界面所能 带来的优势为可针对多种用户,并且上手容易。并在有可能的情况下提供多种的语言包,使 软件国际化具有可操作性。 3 三三.总体设计总体设计 1.感知器神经元模型感知器神经元模型 感知器神经元通过对权值的训练, 可以使感知器神经元的输出能代表对输入模式进行的 分类,下图为感知器神经元模型。 感知器神经元的每一个输入都对应于一个合适的权值, 所有的输入与其对应权值的加权 和作为阀值函数的输入。 由于阀值函数的引入, 从而使得感知器可以将输入向量分为两个区 域,通常阀函数采用双极阶跃函

    5、数,如: 0,0 0, 1 )( x x xf (3.1) 而感知器神经元模型的实际输出为 R i ii bxwfo 1 (3.2) 其中 b 为阀值 2.感知器的网络结构感知器的网络结构 图 2.2 所描述的是一个简单的感知器网络结构,输入层有R 个输入,Q 个输出,通过权 值 wij与 s 个感知器神经元连接组成的感知器神经网络。 根据网络结构,可以写出感知器处理单元对其输入的加权和操作,即: R j jiji pwn 1 (3.3) 而其输出 ai为 ai=f (ni+bi) (3.4) 由式 2.1 易知 00 01 ii ii i bn bn a (3.5) 则当输入 ni+bi大于

    6、等于 0,即有 nibi时,感知器的输出为 1;否则输出为 0。 上面所述的单层感知器神经网络是不可能解决线性不可分的输入向量分类问题, 也不能 x1 x2 xR o o o i wi1 wi2 wiR 1 o P o N 1 o b RQ SR S1 SQ n SQ a 图 3.2 感知器神经网络结构 4 推广到一般的前向网络中去。 为解决这一问题, 我们可以设计多层感知器神经网络以实现任 意形状的划分。 图 2.3 描述了一个双层感知器神经网络。其工作方式与单层感知器网络一样,只不过是 增加了一层而已,具体的内容这里不做讨论。 四四.详细设计详细设计 1.自适应线性神经元模型和结构自适应线性神经元模型和结构 一个线性的具有 r 个输人的自适应线性神经元模型如下图所示。 这个


    注意事项

    本文(基于madaline的神经网络系统课程设计)为本站会员(课***)主动上传,毕设资料网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请联系网站客服QQ:540560583,我们立即给予删除!




    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们
    本站所有资料均属于原创者所有,仅提供参考和学习交流之用,请勿用做其他用途,转载必究!如有侵犯您的权利请联系本站,一经查实我们会立即删除相关内容!
    copyright@ 2008-2025 毕设资料网所有
    联系QQ:540560583