神经网络实验七学习教案_第1页
神经网络实验七学习教案_第2页
神经网络实验七学习教案_第3页
神经网络实验七学习教案_第4页
神经网络实验七学习教案_第5页
已阅读5页,还剩18页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、会计学1神经网络实验七神经网络实验七第一页,编辑于星期二:六点 二分。一、广义回归神经网络一、广义回归神经网络(GRNN) 第1页/共23页第二页,编辑于星期二:六点 二分。2、GRNN网络的设计网络的设计u调用格式:调用格式: net = newgrnn(P,T,SPREAD)u功能描述:功能描述: 设计一个设计一个GRNN网络网络u参数说明:参数说明: PQ个个R维输入向量组成的维输入向量组成的RQ矩阵矩阵. TQ个个S维期望输出向量组成的维期望输出向量组成的SQ矩阵矩阵. SPREAD径向基层的散布常数,缺省值为径向基层的散布常数,缺省值为1.一、广义回归神经网络一、广义回归神经网络(G

2、RNN) 第2页/共23页第三页,编辑于星期二:六点 二分。例例1:已知:已知8个样本点,用个样本点,用GRNN网络对该样本进行网络对该样本进行函数逼近函数逼近 P=1 2 3 4 5 6 7 8;%输入变量值输入变量值 T=0 1 2 3 2 1 2 1;%期望输出期望输出 plot(P,T,.,markersize,30);%在坐标系中画出样本点在坐标系中画出样本点 axis(0 9 -1 4); %调整坐标平面显示区域调整坐标平面显示区域 title(待逼近函数待逼近函数); %图像标题图像标题 xlabel(P); %给横轴标注给横轴标注 ylabel(T); %给纵轴标注给纵轴标注一

3、、广义回归神经网络一、广义回归神经网络(GRNN) 第3页/共23页第四页,编辑于星期二:六点 二分。一、广义回归神经网络一、广义回归神经网络(GRNN) 第4页/共23页第五页,编辑于星期二:六点 二分。 spread=0.7; %确定散布确定散布常数常数 net=newgrnn(P,T,spread);%设计网络设计网络 A=sim(net,P); %网络仿真网络仿真 hold on; outputline=plot(P,A,O,markersize,10, color,1 0 0); %画出测试画出测试结果结果 title(检测网络检测网络); xlabel(P); ylabel(T和和

4、A);一、广义回归神经网络一、广义回归神经网络(GRNN) 第5页/共23页第六页,编辑于星期二:六点 二分。一、广义回归神经网络一、广义回归神经网络(GRNN) 第6页/共23页第七页,编辑于星期二:六点 二分。 p=3.5; a=sim(net,p);%对新的数据点进行仿真对新的数据点进行仿真 plot(p,a,+,markersize,10,color,1 0 0);%画出测试点画出测试点 xlabel(P和和p); ylabel(T和和a);一、广义回归神经网络一、广义回归神经网络(GRNN) 第7页/共23页第八页,编辑于星期二:六点 二分。一、广义回归神经网络一、广义回归神经网络(

5、GRNN) 第8页/共23页第九页,编辑于星期二:六点 二分。 P2=0:0.1:9; A2=sim(net,P2); plot(P2,A2,linewidth,4,color,1 0 0);%绘制拟合曲线绘制拟合曲线 title(函数逼近函数逼近); xlabel(P和和P2); ylabel(T和和A2);一、广义回归神经网络一、广义回归神经网络(GRNN) 第9页/共23页第十页,编辑于星期二:六点 二分。一、广义回归神经网络一、广义回归神经网络(GRNN) 第10页/共23页第十一页,编辑于星期二:六点 二分。二、概率神经网络二、概率神经网络(PNN)1、PNN网络的结构网络的结构输入

6、层径向基神经元输入层径向基神经元 竞争层竞争层第11页/共23页第十二页,编辑于星期二:六点 二分。2、PNN网络的设计网络的设计u调用格式:调用格式: net = newpnn(P,T,SPREAD)u功能描述:设计一个功能描述:设计一个PNN网络网络u参数说明:参数说明: PQ个个R维输入向量组成的维输入向量组成的RxQ矩阵矩阵. TQ个个S维期望输出向量组成的维期望输出向量组成的SxQ矩阵矩阵. SPREAD径向基层的散布常数径向基层的散布常数,缺省值为缺省值为1.二、概率神经网络二、概率神经网络(PNN)第12页/共23页第十三页,编辑于星期二:六点 二分。二、概率神经网络二、概率神经

7、网络(PNN)例例2:已知三组二维向量:已知三组二维向量 P=1 2; 2 2; 1 1以及其相对应的三个类别以及其相对应的三个类别 Tc=1 2 3构建一个构建一个PNN网络实现对输入向量进网络实现对输入向量进行正确分类。行正确分类。第13页/共23页第十四页,编辑于星期二:六点 二分。二、概率神经网络二、概率神经网络(PNN)第14页/共23页第十五页,编辑于星期二:六点 二分。二、概率神经网络二、概率神经网络(PNN)第15页/共23页第十六页,编辑于星期二:六点 二分。二、概率神经网络二、概率神经网络(PNN)第16页/共23页第十七页,编辑于星期二:六点 二分。%网络设计网络设计 T

8、=ind2vec(Tc);%将类别指针转换为向量将类别指针转换为向量T spread=1; net=newpnn(P,T,spread);%测试网络测试网络 A=sim(net,P); Ac=vec2ind(A);二、概率神经网络二、概率神经网络(PNN)第17页/共23页第十八页,编辑于星期二:六点 二分。 plot(P(1,:),P(2,:),.,markersize,30); axis(0 3 0 3); for i=1:3,text(P(1,i)+0.1,P(2,i), sprintf(class%g,Ac(i),end; title(网络测试结果网络测试结果); xlabel(P(1

9、,:); ylabel(P(2,:);二、概率神经网络二、概率神经网络(PNN)第18页/共23页第十九页,编辑于星期二:六点 二分。二、概率神经网络二、概率神经网络(PNN)第19页/共23页第二十页,编辑于星期二:六点 二分。%对新的向量分类对新的向量分类 p=2;1.5; a=sim(net,p); ac=vec2ind(a); hold on; plot(P(1,:),P(2,:),.,markersize, 10,color,1 0 0);二、概率神经网络二、概率神经网络(PNN)第20页/共23页第二十一页,编辑于星期二:六点 二分。 text(p(1)+0.1,p(2), sprintf(class%g,ac); hold off; title(对新向量分类对新向量分类);

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论