2021年人工神经网络第三次作业要求以及参考答案
作者：互联网
简 介： 本文是2021年秋季学期人工神经网络课程中的第三次作业要求。相应的作业参考答案在每个题目后面所给定的连接中给出。>
关键词： 动态神经网络，人工神经网络，作业
§01 第一题
一、作业内容
1、题目内容
离散Hopfield网络，也被称为联想存储器，通过迭代方式可以增加网络恢复能力。请设计一个离散Hopfield网络，将右边八个字符点阵进行存储。并测试在不同噪声下恢复的情况。
▲ 图1.1.1 八个点阵字符
在 截取图片中的点阵模式 - 012345.9 通过Python程序将图片转换成对应0101编码字符了。
下面是字符“0,1,2,3,4,6，.，9”字符对应的10×12的01编码：
000000000000011110000011111100011100111001110011100111001110011100111001110011100111001110001111110000011110000000000000
000111100000011110000001111000000111100000011110000001111000000111100000011110000001111000000111100000011110000001111000
111111110011111111000000001100000000110000000011001111111100111111110011000000001100000000110000000011111111001111111100
001111110000111111100000000110000000011000000001100000111100000011110000000001100000000110000000011000111111100011111100
011000011001100001100110000110011000011001100001100111111110011111111000000001100000000110000000011000000001100000000110
111111000011111100001100000000110000000011000000001111110000111111000011001100001100110000110011000011111100001111110000
111110000011111000001111100000111110000011111000001111100000000000000000000000000000000000000000000000000000000000000000
000011111100001111110000110011000011001100001100110000111111000011111100000000110000000011000000001100001111110000111111
2、题目要求
1. 通过外积方法建立DHNN网络权系数，并验证上述存储的字符都是DHNN的吸引子。
2. 测试在原来图片中增加10%，20% 的噪声的情况下，也就是随机选择其中一定比例像素值将其从原来的0修改为1，从1修改0，测试信息恢复情况；
3. 对于2，6，两个字符，测试在多大噪声情况下，这两个字符就不可以完全恢复了。
4. 观察在无法恢复的情况下出现的“伪吸引子”的情况。
§02 第二题
一、作业内容
利用遗传算法可以训练神经网络的权系数。特别是神经网络用于复杂对象控制的情况下，无法给出神经网络准确的期望输出，只能给出整个系统性能的评价时，可以使用遗传算法完成网络训练。
▲ 图2.1.1 异或网络及其传递函数要求
§03 第三题
一、作业要求
1、题目内容
根据MATLAB中的动态（时序）网络工具包，建立动态网络并对MATLAB中内嵌的一组实验数据进行训练。
在MATLAB中输入ntstool命令可以打开时序神经网络交互式建模界面。
▲ 图3.1.1 Matlabvs 中动态网络工具包
MATLAB中建立非线性自回归神经网络相关命令：
[X,T] = simplenarx_dataset;
net = narxnet(1:2,1:2,10);
[Xs,Xi,Ai,Ts] = preparets(net,X,{},T);
net = train(net,Xs,Ts,Xi,Ai);
view(net)
Y = net(Xs,Xi,Ai)
plotresponse(Ts,Y)
2、题目要求
讨论：
1. 不同网络结构;
2. 不同网络规模下; (采样点个数，隐含层规模) 训练结果的差异。
3、数据集合
可以在MATLAB中使用如下指令调入六个数据集合。任意选择其中两组数据进行实验。
（1）简单采集时序信号
简单的采集时序信号，总共有100个数据点。
LOAD simplenarx_dataset.MAT
▲ 图3.1.2 简单采样时序信号
（2）电磁铁电流与位置信号
LOAD maglev_dataset.MAT
描述了电磁铁电流与悬浮永磁铁位置之间的关系。4001个采样数据。
▲ 图3.1.3 电磁铁电流与磁芯位置信号
（3）热交换器输出端口温度
LOAD exchanger_dataset.MAT
用于描述蒸汽浸泡式热交换器输出端口液体温度随着液体流速之间的关系。4000个采样数据。
▲ 图3.1.4 蒸汽热交换器输出温度与液体流速
（4）反应釜液体PH值
LOAD ph_dataset.MAT
输入在输入反应釜的酸液和碱液的流速，输出为反应釜的酸碱度的pH值。2001个采样数据。
▲ 图3.1.5 反应釜液体PH值与酸液，碱液流速关系
（5）污染物数据
LOAD pollution_dataset.MAT
▲ 图3.1.6 数据曲线
共有508个数据。
-
输入为污染八个指标：
1. 温度;
2. 相对湿度；
3. CO,
4. SO2
5.NO2
6.碳氢化合物
7.臭氧
8.颗粒 -
输出为：
1. 总死亡率
2. 呼吸道死亡率
3. 心血管死亡率
（6）管道阀流速与控制
LOAD valve_dataset.MAT
输入为管道阀门打开比率：输出为管道液体流速。1801个数据。
▲ 图3.1.7 管道阀门打开比例与液体流速
§04 第四题
一、作业要求
1、题目内容
请使用动态人工神经网络建立热风枪输入电压与出口温度之间的动态模型。
热风枪的功率与施加的电压呈现二次关系，这也就直接影响到加热电压与出口温度之间呈现非线性关系。
▲ 图4.1 热风枪出风口温度与电压之间的关系以及升温动态过渡过程
热风枪的功率与施加的电压呈现二次关系，这也就直接影响到加热电压与出口温度之间呈现非线性关系。
2、题目要求
请构建动态神经网络，选择一种数据完成网络训练，选择其他种类数据进行验证。
具体讨论可以参见： 动态人工神经网络
3、数据集合
在MATLAB中使用load将HMW3-DATA.MAT调入内存，其中包括有多组测量数据。其中：xxxx_volt是输入电压数据，xxxx_temp是出口温度数据，采样数据周期为0.05秒。
▲ 图4.2 施加电压与出口温度曲线
§05 第五题
一、作业要求
1、题目要求
使用动态网络计算电机角速度。
测量电机速度是进行电机速度控制的关键。根据安装在电机后端的HALL器件获得电机转轴上磁铁的强度信息可以获得电机转速。具体分析可以参照下面的 微信公众号中的推文 。
▲ 图5.1 问题说明推文
推文中 使用了BP网络完成角度估计，本次作业要求根据第一道题中的动态神经网络进行电机转速估计。
2、题目要求
1. 建立动态网络NARX，利用给定的两路HALL信号训练电机速度估算神经网络。
2. 利用增加有不同比例的噪声数据对网络进行测试。
3. 对比讨论不同网络结构，在训练精度，抗随机噪声方面的差异。
3、数据集合
在网络学堂中的文件下载中，下载RotateData.M文件，其中包括后两个数据：
- angledata:2×2000,两项正交HALL信号；
- rotspeed ：1×2000，对应的转速信号；
▲ 图5.2 原始测量数据
可以在数据中加入随机噪声再对训练网络进行测试。
▲ 图5.3 增加有噪声数据
4、MATLAB工具箱
▲ 图5.4 MATLAB 中NTSTOOL实验界面
▲ 图5.5 某一次训练效果误差
■ 相关文献链接:
● 相关图表链接:
- 图1.1.1 八个点阵字符
- 图2.1.1 异或网络及其传递函数要求
- 图3.1.1 Matlabvs 中动态网络工具包
- 图3.1.2 简单采样时序信号
- 图3.1.3 电磁铁电流与磁芯位置信号
- 图3.1.4 蒸汽热交换器输出温度与液体流速
- 图3.1.5 反应釜液体PH值与酸液，碱液流速关系
- 图3.1.6 数据曲线
- 图3.1.7 管道阀门打开比例与液体流速
- 图4.1 热风枪出风口温度与电压之间的关系以及升温动态过渡过程
- 图4.2 施加电压与出口温度曲线
- 图5.1 问题说明推文
- 图5.2 原始测量数据
- 图5.3 增加有噪声数据
- 图5.4 MATLAB 中NTSTOOL实验界面
- 图5.5 某一次训练效果误差
标签：作业,网络,人工神经网络,2021,3.1,动态,数据,参考答案,MATLAB 来源： https://blog.csdn.net/zhuoqingjoking97298/article/details/121508788