神經(jīng)網(wǎng)絡實驗七學習教案

會計學1神經(jīng)網(wǎng)絡實驗七第一頁，編輯于星期二：六點二分。１、GRNN網(wǎng)絡結構輸入層徑向基神經(jīng)元線性層一、廣義回歸神經(jīng)網(wǎng)絡(GRNN)

第1頁/共23頁第二頁，編輯于星期二：六點二分。2、GRNN網(wǎng)絡的設計調用格式：

net=newgrnn(P,T,SPREAD)功能描述：設計一個GRNN網(wǎng)絡參數(shù)說明：

P—Q個R維輸入向量組成的R×Q矩陣.T—Q個S維期望輸出向量組成的S×Q矩陣.SPREAD—徑向基層的散布常數(shù)，缺省值為1.一、廣義回歸神經(jīng)網(wǎng)絡(GRNN)

第2頁/共23頁第三頁，編輯于星期二：六點二分。例1：已知8個樣本點，用GRNN網(wǎng)絡對該樣本進行函數(shù)逼近>>P=[12345678]; %輸入變量值>>T=[01232121]; %期望輸出>>plot(P,T,'.','markersize',30);%在坐標系中畫出樣本點>>axis([09-14]);%調整坐標平面顯示區(qū)域>>title(‘待逼近函數(shù)’);%圖像標題>>xlabel(‘P’);%給橫軸標注>>ylabel('T');%給縱軸標注一、廣義回歸神經(jīng)網(wǎng)絡(GRNN)

第3頁/共23頁第四頁，編輯于星期二：六點二分。一、廣義回歸神經(jīng)網(wǎng)絡(GRNN)

第4頁/共23頁第五頁，編輯于星期二：六點二分。>>spread=0.7; %確定散布常數(shù)>>net=newgrnn(P,T,spread); %設計網(wǎng)絡>>A=sim(net,P); %網(wǎng)絡仿真>>holdon;>>outputline=plot(P,A,'O','markersize',10,…'color',[100]); %畫出測試結果>>title('檢測網(wǎng)絡');>>xlabel('P');>>ylabel('T和A');一、廣義回歸神經(jīng)網(wǎng)絡(GRNN)

第5頁/共23頁第六頁，編輯于星期二：六點二分。一、廣義回歸神經(jīng)網(wǎng)絡(GRNN)

第6頁/共23頁第七頁，編輯于星期二：六點二分。>>p=3.5;>>a=sim(net,p);%對新的數(shù)據(jù)點進行仿真>>plot(p,a,'+','markersize',10,'color',[100]);%畫出測試點>>xlabel('P和p');>>ylabel('T和a');一、廣義回歸神經(jīng)網(wǎng)絡(GRNN)

第7頁/共23頁第八頁，編輯于星期二：六點二分。一、廣義回歸神經(jīng)網(wǎng)絡(GRNN)

第8頁/共23頁第九頁，編輯于星期二：六點二分。>>P2=0:0.1:9;>>A2=sim(net,P2);>>plot(P2,A2,'linewidth',4,'color',[100]);%繪制擬合曲線>>title('函數(shù)逼近');>>

xlabel('P和P2');>>ylabel('T和A2');一、廣義回歸神經(jīng)網(wǎng)絡(GRNN)

第9頁/共23頁第十頁，編輯于星期二：六點二分。一、廣義回歸神經(jīng)網(wǎng)絡(GRNN)

第10頁/共23頁第十一頁，編輯于星期二：六點二分。二、概率神經(jīng)網(wǎng)絡(PNN)1、PNN網(wǎng)絡的結構輸入層徑向基神經(jīng)元競爭層第11頁/共23頁第十二頁，編輯于星期二：六點二分。2、PNN網(wǎng)絡的設計調用格式：

net=newpnn(P,T,SPREAD)功能描述：設計一個PNN網(wǎng)絡參數(shù)說明：

P—Q個R維輸入向量組成的RxQ矩陣.T—Q個S維期望輸出向量組成的SxQ矩陣.SPREAD—徑向基層的散布常數(shù),缺省值為1.二、概率神經(jīng)網(wǎng)絡(PNN)第12頁/共23頁第十三頁，編輯于星期二：六點二分。二、概率神經(jīng)網(wǎng)絡(PNN)例2：已知三組二維向量

P=[12;22;11]以及其相對應的三個類別

Tc=[123]構建一個PNN網(wǎng)絡實現(xiàn)對輸入向量進行正確分類。第13頁/共23頁第十四頁，編輯于星期二：六點二分。二、概率神經(jīng)網(wǎng)絡(PNN)%繪制出輸入向量及其類別>>P=[12;22;11]';>>Tc=[123];>>plot(P(1,:),P(2,:),'.','markersize',30);>>axis([0303]);第14頁/共23頁第十五頁，編輯于星期二：六點二分。二、概率神經(jīng)網(wǎng)絡(PNN)>>fori=1:3,text(P(1,i)+0.1,P(2,i),…sprintf('class%g',Tc(i))),end>>title('三個向量及類別');>>xlabel('P(1,:)');>>ylabel('P(2,:)');第15頁/共23頁第十六頁，編輯于星期二：六點二分。二、概率神經(jīng)網(wǎng)絡(PNN)第16頁/共23頁第十七頁，編輯于星期二：六點二分。%網(wǎng)絡設計>>T=ind2vec(Tc);%將類別指針轉換為向量T>>spread=1;>>net=newpnn(P,T,spread);%測試網(wǎng)絡>>A=sim(net,P);>>Ac=vec2ind(A);二、概率神經(jīng)網(wǎng)絡(PNN)第17頁/共23頁第十八頁，編輯于星期二：六點二分。>>plot(P(1,:),P(2,:),'.','markersize',30);>>axis([0303]);>>fori=1:3,text(P(1,i)+0.1,P(2,i),…sprintf('class%g',Ac(i))),end;>>title('網(wǎng)絡測試結果');>>xlabel('P(1,:)');>>ylabel('P(2,:)');二、概率神經(jīng)網(wǎng)絡(PNN)第18頁/共23頁第十九頁，編輯于星期二：六點二分。二、概率神經(jīng)網(wǎng)絡(PNN)第19頁/共23頁第二十頁，編輯于星期二：六點二分。%對新的向量分類>>p=[2;1.5];>>a=sim(net,p);>>ac=vec2ind(a);>>holdon;>>plot(P(1,:),P(2,:),'.','markersize',…10,'color',[100]);二、概率神經(jīng)網(wǎng)絡(PNN)第20頁/共23頁第二十一頁，編輯于星期二：六點二分。>>text(p(1)+0.1,p(2),…sprintf('class%g',ac));>>holdoff;>>title