Matlab語言的Neural Network Toolbox 及其在同步中

1 引 言

神經(jīng)網(wǎng)絡(luò)工具箱擴充了Matlab的設(shè)計、應(yīng)用、顯示和仿真神經(jīng)網(wǎng)絡(luò)的工具。如今神經(jīng)網(wǎng)絡(luò)能夠用來解決常規(guī)計算機和人難以解決的問題，神經(jīng)網(wǎng)絡(luò)已經(jīng)在各個領(lǐng)域中應(yīng)用，以實現(xiàn)各種復雜的功能。這些領(lǐng)域包括：模式識別、非線性系統(tǒng)鑒定和系統(tǒng)控制。神經(jīng)網(wǎng)絡(luò)工具箱除了提供方便用戶設(shè)計和管理網(wǎng)絡(luò)的可視化接口(GUI)外，還提供了大量已經(jīng)證實的網(wǎng)絡(luò)設(shè)計的支持。標準、開放、可擴張的工具箱設(shè)計方便了用戶自定義函數(shù)和網(wǎng)絡(luò)的生成。

像生物學神經(jīng)系統(tǒng)一樣，一個神經(jīng)網(wǎng)絡(luò)會學習，因此，也就可以被訓練去解決問題，識別模式，劃分數(shù)據(jù)和預測事態(tài)發(fā)展。神經(jīng)網(wǎng)絡(luò)的行為由它的各個計算參數(shù)的結(jié)合方式以及它們的權(quán)重來決定。一般的神經(jīng)網(wǎng)絡(luò)都是可調(diào)節(jié)的，或者說可訓練的，這樣一個特定的輸入便可得到要求的輸出。這里，網(wǎng)絡(luò)根據(jù)輸出和目標的比較而調(diào)整，直到網(wǎng)絡(luò)輸出和目標匹配。神經(jīng)網(wǎng)絡(luò)工具GUI使神經(jīng)網(wǎng)絡(luò)變得簡單，它使你能夠?qū)舜罅繌碗s的數(shù)據(jù)，并能夠很快地產(chǎn)生、初始化、訓練、仿真和管理網(wǎng)絡(luò)。簡單的圖像表示有助于明確和理解網(wǎng)絡(luò)的結(jié)構(gòu)。因為神經(jīng)網(wǎng)絡(luò)需要復雜的矩陣計算，Matlab提供一個神經(jīng)框架，幫助快速地使用神經(jīng)網(wǎng)絡(luò)和學習它們的行為和應(yīng)用。

文獻[5]討論了用擴充的神經(jīng)系統(tǒng)工具的方法在仿真環(huán)境里解決現(xiàn)存的問題。這種新方法簡化了網(wǎng)絡(luò)結(jié)構(gòu)，并且也實現(xiàn)對其他軟件工具的利用。目前還沒有論文公開討論NNT在同步機制中的應(yīng)用，而這一部分的研究也是具有現(xiàn)實意義的。

2 Matlab神經(jīng)網(wǎng)絡(luò)工具箱

NNT使在Matlab中使用神經(jīng)網(wǎng)絡(luò)變得簡單。其工具箱中包含了大量函數(shù)和網(wǎng)絡(luò)結(jié)構(gòu)框圖(圖1是一個簡單的神經(jīng)網(wǎng)絡(luò)框圖，圖中獨立的符號簡化了對網(wǎng)絡(luò)結(jié)構(gòu)的理解)，因此，這里不需要介紹所有的將用到的函數(shù)、訓練算法等。

2.1 NNT的結(jié)構(gòu)

工具箱是基于網(wǎng)絡(luò)對象的。網(wǎng)絡(luò)對象包括關(guān)于神經(jīng)網(wǎng)絡(luò)的所有信息，例如：網(wǎng)絡(luò)的層數(shù)和結(jié)構(gòu)、層與層之間的連接等。Matlab提供了高等網(wǎng)絡(luò)層的創(chuàng)建函數(shù)，比如：newlin(創(chuàng)建一個線性層)，newp(創(chuàng)建一個感知機)，newff(創(chuàng)建一個反向傳播網(wǎng)絡(luò))等。舉例說明，這里創(chuàng)建了1個感知機，2個輸入向量p1=[0 1]，p2=[-2 2]，神經(jīng)元數(shù)為1。