神經(jīng)網(wǎng)絡(luò)實(shí)驗(yàn)七ppt課件

1、神經(jīng)網(wǎng)絡(luò)實(shí)驗(yàn)課件神經(jīng)網(wǎng)絡(luò)實(shí)驗(yàn)課件實(shí)驗(yàn)七實(shí)驗(yàn)七廣義回歸神經(jīng)網(wǎng)絡(luò)與概率神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)廣義回歸神經(jīng)網(wǎng)絡(luò)與概率神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)1;.、GRNN網(wǎng)絡(luò)構(gòu)造網(wǎng)絡(luò)構(gòu)造輸入層徑向基神經(jīng)元輸入層徑向基神經(jīng)元 線性層線性層一、廣義回歸神經(jīng)網(wǎng)絡(luò)一、廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN) 22、GRNN網(wǎng)絡(luò)的設(shè)計(jì)網(wǎng)絡(luò)的設(shè)計(jì)調(diào)用格式：調(diào)用格式： net = newgrnn(P,T,SPREAD)功能描畫(huà)：功能描畫(huà)： 設(shè)計(jì)一個(gè)設(shè)計(jì)一個(gè)GRNN網(wǎng)絡(luò)網(wǎng)絡(luò)參數(shù)闡明：參數(shù)闡明： PQ個(gè)個(gè)R維輸入向量組成的維輸入向量組成的RQ矩陣矩陣. TQ個(gè)個(gè)S維期望輸出向量組成的維期望輸出向量組成的SQ矩陣矩陣. SPREAD徑向基層的分布常數(shù)，缺省值為徑

2、向基層的分布常數(shù)，缺省值為1.一、廣義回歸神經(jīng)網(wǎng)絡(luò)一、廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN) 3例例1：知：知8個(gè)樣本點(diǎn)，用個(gè)樣本點(diǎn)，用GRNN網(wǎng)絡(luò)對(duì)該樣本進(jìn)展函數(shù)逼近網(wǎng)絡(luò)對(duì)該樣本進(jìn)展函數(shù)逼近 P=1 2 3 4 5 6 7 8;%輸入變量值輸入變量值 T=0 1 2 3 2 1 2 1;%期望輸出期望輸出 plot(P,T,.,markersize,30);%在坐標(biāo)系中畫(huà)出樣本點(diǎn)在坐標(biāo)系中畫(huà)出樣本點(diǎn) axis(0 9 -1 4); %調(diào)整坐標(biāo)平面顯示區(qū)域調(diào)整坐標(biāo)平面顯示區(qū)域 title(待逼近函數(shù)待逼近函數(shù)); %圖像標(biāo)題圖像標(biāo)題 xlabel(P); %給橫軸標(biāo)注給橫軸標(biāo)注 ylabel(T); %

3、給縱軸標(biāo)注給縱軸標(biāo)注一、廣義回歸神經(jīng)網(wǎng)絡(luò)一、廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN) 4一、廣義回歸神經(jīng)網(wǎng)絡(luò)一、廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN) 5 spread=0.7; %確定分布常數(shù)確定分布常數(shù) net=newgrnn(P,T,spread);%設(shè)計(jì)網(wǎng)絡(luò)設(shè)計(jì)網(wǎng)絡(luò) A=sim(net,P); %網(wǎng)絡(luò)仿真網(wǎng)絡(luò)仿真 hold on; outputline=plot(P,A,O,markersize,10, color,1 0 0); %畫(huà)出測(cè)試結(jié)果畫(huà)出測(cè)試結(jié)果 title(檢測(cè)網(wǎng)絡(luò)檢測(cè)網(wǎng)絡(luò)); xlabel(P); ylabel(T和和A);一、廣義回歸神經(jīng)網(wǎng)絡(luò)一、廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN) 6一、廣義回歸

4、神經(jīng)網(wǎng)絡(luò)一、廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN) 7 p=3.5; a=sim(net,p);%對(duì)新的數(shù)據(jù)點(diǎn)進(jìn)展仿真對(duì)新的數(shù)據(jù)點(diǎn)進(jìn)展仿真 plot(p,a,+,markersize,10,color,1 0 0);%畫(huà)出測(cè)試點(diǎn)畫(huà)出測(cè)試點(diǎn) xlabel(P和和p); ylabel(T和和a);一、廣義回歸神經(jīng)網(wǎng)絡(luò)一、廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN) 8一、廣義回歸神經(jīng)網(wǎng)絡(luò)一、廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN) 9 P2=0:0.1:9; A2=sim(net,P2); plot(P2,A2,linewidth,4,color,1 0 0);%繪制擬合曲線繪制擬合曲線 title(函數(shù)逼近函數(shù)逼近); xlabel

5、(P和和P2); ylabel(T和和A2);一、廣義回歸神經(jīng)網(wǎng)絡(luò)一、廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN) 10一、廣義回歸神經(jīng)網(wǎng)絡(luò)一、廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN) 11二、概率神經(jīng)網(wǎng)絡(luò)二、概率神經(jīng)網(wǎng)絡(luò)(PNN)1、PNN網(wǎng)絡(luò)的構(gòu)造網(wǎng)絡(luò)的構(gòu)造輸入層徑向基神經(jīng)元輸入層徑向基神經(jīng)元 競(jìng)爭(zhēng)層競(jìng)爭(zhēng)層122、PNN網(wǎng)絡(luò)的設(shè)計(jì)網(wǎng)絡(luò)的設(shè)計(jì)調(diào)用格式：調(diào)用格式： net = newpnn(P,T,SPREAD)功能描畫(huà)：設(shè)計(jì)一個(gè)功能描畫(huà)：設(shè)計(jì)一個(gè)PNN網(wǎng)絡(luò)網(wǎng)絡(luò)參數(shù)闡明：參數(shù)闡明： PQ個(gè)個(gè)R維輸入向量組成的維輸入向量組成的RxQ矩陣矩陣. TQ個(gè)個(gè)S維期望輸出向量組成的維期望輸出向量組成的SxQ矩陣矩陣. SPREAD

6、徑向基層的分布常數(shù)徑向基層的分布常數(shù),缺省值為缺省值為1.二、概率神經(jīng)網(wǎng)絡(luò)二、概率神經(jīng)網(wǎng)絡(luò)(PNN)13二、概率神經(jīng)網(wǎng)絡(luò)二、概率神經(jīng)網(wǎng)絡(luò)(PNN)例例2：知三組二維向量：知三組二維向量 P=1 2; 2 2; 1 1以及其相對(duì)應(yīng)的三個(gè)類別以及其相對(duì)應(yīng)的三個(gè)類別 Tc=1 2 3構(gòu)建一個(gè)構(gòu)建一個(gè)PNN網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)輸入向量進(jìn)展正確分類。網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)輸入向量進(jìn)展正確分類。14二、概率神經(jīng)網(wǎng)絡(luò)二、概率神經(jīng)網(wǎng)絡(luò)(PNN)%繪制出輸入向量及其類別繪制出輸入向量及其類別 P=1 2;2 2;1 1; Tc=1 2 3; plot(P(1,:),P(2,:),.,markersize,30); axis(0 3

7、0 3);15二、概率神經(jīng)網(wǎng)絡(luò)二、概率神經(jīng)網(wǎng)絡(luò)(PNN) for i=1:3,text(P(1,i)+0.1,P(2,i), sprintf(class%g,Tc(i),end title(三個(gè)向量及類別三個(gè)向量及類別); xlabel(P(1,:); ylabel(P(2,:);16二、概率神經(jīng)網(wǎng)絡(luò)二、概率神經(jīng)網(wǎng)絡(luò)(PNN)17%網(wǎng)絡(luò)設(shè)計(jì)網(wǎng)絡(luò)設(shè)計(jì) T=ind2vec(Tc);%將類別指針轉(zhuǎn)換為向量將類別指針轉(zhuǎn)換為向量T spread=1; net=newpnn(P,T,spread);%測(cè)試網(wǎng)絡(luò)測(cè)試網(wǎng)絡(luò) A=sim(net,P); Ac=vec2ind(A);二、概率神經(jīng)網(wǎng)絡(luò)二、概率神經(jīng)網(wǎng)絡(luò)

8、(PNN)18 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(網(wǎng)絡(luò)測(cè)試結(jié)果網(wǎng)絡(luò)測(cè)試結(jié)果); xlabel(P(1,:); ylabel(P(2,:);二、概率神經(jīng)網(wǎng)絡(luò)二、概率神經(jīng)網(wǎng)絡(luò)(PNN)19二、概率神經(jīng)網(wǎng)絡(luò)二、概率神經(jīng)網(wǎng)絡(luò)(PNN)20%對(duì)新的向量分類對(duì)新的向量分類 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、概率神經(jīng)網(wǎng)絡(luò)二、概率神經(jīng)網(wǎng)絡(luò)(PNN)21 text(p(1)+0.1,p(2), sprintf(class