人工神經(jīng)網(wǎng)絡蠕蟲分類問題-免費閱讀
【正文】 disp(39。%輸出層神經(jīng)元閥值{1,1}=reshape(w1,hiddennum,inputnum)。=。tansig39。disp([39。%%訓練網(wǎng)絡net=train(net,P,T)。logsig39。T4=t1(:,n2(4:6))。T1=t1(:,n1(1:6))。P1=p1(n1(1:6),:)。p2=[,。,。)Y2=sim(net,P_test)。{2,1}=reshape(w2,outputnum,hiddennum)。=NaN。,39。{1}=reshape(B1,hiddennum,1)。%%BP神經(jīng)網(wǎng)絡初始權值與閥值w1num=inputnum*hiddennum。logsig39。])(2)function Obj= Objfun(X,P,T,hiddennum,P_test,T_test)%%用來分別求解種群中各個個體的目標值%%輸入%X:所有個體的初始權值和閥值%P:訓練樣本輸入%T:訓練樣本輸出%hiddennum:隱含層神經(jīng)元數(shù)目%P_test:測試樣本輸入%T_test:測試樣本期望輸出%%Obj:所有個體預測樣本預測誤差的范數(shù)[M,N]=size(X)。bestErr=trace(end,end)。)。 gen=gen+1。%選擇 SelCh=rebin(39。%計算初始種群的十進制轉換ObjV=Objfun(X,P,T,hiddennum,P_test,T_test)。.5],1,N)。%種群大小MAXGEN=50。T_test=[T3,T4]。T2=t2(:,n2(1:3))。P2=p2(n2(1:3),:)。,。,。 ]39。})。 plotpv(p,goal(1,:))%plot(p1(:,1),p1(:,2),39。,。,。這表明：是序列的最小值點。不斷重復這一過程，一定能達到的一個（局部）極小點。當然，有可能出現(xiàn)介于中間無法判斷的情況。最上面一層稱為輸出層，在本問題中只包含二個單元，用以輸出與每一組輸入數(shù)據(jù)相對應的分類信息．任何一個中間層單元接受所有輸入單元傳來的信號，并把處理后的結果傳向每一個輸出單元，供輸出層再次加工，同層的神經(jīng)元彼此不相聯(lián)接，輸入與輸出單元之間也沒有直接聯(lián)接。 （ii）反饋型網(wǎng)絡 所有結點都是計算單元，同時也可接受輸入，并向外界輸出。雙曲余弦函數(shù): 。 若把輸入的維數(shù)增加一維，則可把閾值包括進去。(需要在結果中體現(xiàn),即給出你的結論,并在摘要中寫出來) 二、問題分析本問題要求根據(jù)已知資料（9 支的數(shù)據(jù)和 6 支的數(shù)據(jù)）制定一種分類方法，類別是已經(jīng)給定的（或）。今后，我們將9 支及6 支 的數(shù)據(jù)集合稱之為學習樣本。例如 此處增加了一個新的連接，其輸入為,權值為(或) ，如圖2 所示。雙曲正切函數(shù): 。NN的工作過程主要分為兩個階段：第一個階段是學習期，此時各計算單元狀態(tài)不變，各連線上的權值可通過學習來修改；第二階段是工作期，此時各連接權固定，計算元狀態(tài)變化，以達到某種穩(wěn)定狀態(tài)。這樣，除了神經(jīng)元的形式定義外，我們又給出了網(wǎng)絡結構，其中只有中間層及輸出層的單元才對信號進行處理；輸入層的單元對輸入數(shù)據(jù)沒有任何加工?，F(xiàn)在的問題是，如何找到一組適當?shù)臋嘀?，實現(xiàn)上面所設想的網(wǎng)絡功能。這一算法的具體形式如下：對于隱單元到輸出單元的權而言，最速下降法給出的每一步的修正量是此處令 對輸入單元到隱單元的權 此處由（11）和（13）式可以看出，所有權的修正量都有如下形式，即 指標對應于兩個單元中輸出信號的一端，對應于輸入信號的一端，或者代表或者代表。這時, 我們便認定是局部極小值點。 ,。 ,。h39。 = 10。 y0=sim(net,p) y=sim(net,x)最優(yōu)初始值和閥值：X= 最小誤差 err=測試樣本預測的結果：測試樣本的仿真誤差：訓練樣本的仿真誤差：2測試樣本預測的結果：測試樣本的仿真誤差：訓練樣本的仿真誤差：使用優(yōu)化后的權值與閥值對三個樣本預測的結果： 由此可見,屬于類；屬于類。,。,。P=[P1。T=[T1,T2]。hiddennum=3。%最大遺傳代數(shù)PRECI=10。repmat([1。%計算目標函數(shù)值while genMAXGEN fprintf(39。xovsp39。%代計數(shù)器增加 [Y,I]=m
教學教案相關推薦
鄂ICP備17016276號-1