神经网络实验报告（八篇）
实验报告
课程名称
实验名称
实验仪器
系别
专业
班级/学号
学生姓名
实验日期
成绩
指导老师BP神经网络实验一级倒立摆实验matlab、一级倒立摆实验台自动化20xx年4月8日
一级倒立摆实验
实验目的:(1)熟悉Matlab/Simulink的使用.
(2)掌握BP神经网络的基本原理和基本的设计步骤.
(3)了解BP神经网络在实际中的应用.
(4)针对简单的实际系统,能够建立BP神经网络控制模型.
实验原理:
1.前馈型人工神经网络
前馈型人工神经网络是整个神经网络体系中最常见的一种，其结构模型如图2所示。网络结构包含输入层、隐层（可能是多层）和输出层，它的连接方式是同层之间不相连接，相邻层之间单元为全连接型。这种网络没有反馈存在，实际运行是单向的，学习方式是一种监督式学习。
前馈型神经网络具有很强的非线性映射能力，寻找其映射是靠学习实践的，只要学习数据足够完备，就能够描述任意未知的复杂系统。因此前馈神经网络为非线性系统的建模和控制提供了有力的工具。
输入层隐层输出层
图1前馈型神经网络结构
2.BP算法原理
BP（BackPropagation）神经网络是一种利用误差反向传播训练算法的前馈型网络，BP学习算法实质是求取网络总误差函数的最小值问题[2]。这种算法采用非线性规划中的最速下降方法，按误差函数的负梯度方向修改权系数，它是梯度下降法在多层前馈网络中的应用。具体学习算法包括两大过程，其一是输入信号的正向传播过程，其二是输出误差信号的反向传播过程。
1.正向传播
输入的样本从输入层经过隐层单元一层一层进行处理，通过所有的隐层之后，则传向输出层；在逐层处理的过程中，每一层神经元的状态只对下一层神经元的状态产生影响。在输出层把现行输出和期望输出进行比较，如果现行输出不等于期望输出，则进入反向传播过程。
…………余下全文