神經(jīng)網(wǎng)絡實驗七學習教案_第1頁
神經(jīng)網(wǎng)絡實驗七學習教案_第2頁
神經(jīng)網(wǎng)絡實驗七學習教案_第3頁
神經(jīng)網(wǎng)絡實驗七學習教案_第4頁
神經(jīng)網(wǎng)絡實驗七學習教案_第5頁
已閱讀5頁,還剩18頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

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

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論