神經(jīng)網(wǎng)絡(luò)應(yīng)用ppt課件-資料下載頁
2025-01-08 05:15本頁面
【正文】 61051041031021011001 0 0 E p o c h sTrainingBlueP e r f o r m a n c e i s 1 . 5 3 6 4 3 e 0 0 7 , G o a l i s 0第三部分 應(yīng)用實例 實例 1. 蠓蟲分類問題的神經(jīng)網(wǎng)絡(luò)方法 （ 1989年 MCM競賽題目 ） 生物學(xué)家試圖對兩種蠓蟲（ Af與 Apf）進行 鑒別，依據(jù)的資料 是觸角和翅膀的長度，已經(jīng)測得 9只 Af和 6只 Apf的數(shù)據(jù)如下： 9只 Af 觸角長： 翅膀長： 6只 Apf 觸角長： 翅膀長： 問題： （ 1）如何憑借原始資料 (15 對數(shù)據(jù) ,被稱之為學(xué)習(xí)樣本 )制定一種方法 ,正確區(qū)分兩類蠓蟲 。 （ 2）依據(jù)確立的方法 ,對以下三個樣本： (,)， (,)， (,)加以識別 解法一：建立兩層前向神經(jīng)網(wǎng)絡(luò)如下： 隱層節(jié)點可適量選取（沒有具體標準）。 X= 為輸入矩陣， x1對應(yīng)于觸角長， x2 對應(yīng)于翅膀長。 Y= 為輸出矩陣 規(guī)定 Af對應(yīng)的應(yīng)有輸出為 ， Apf對應(yīng)的應(yīng)有輸出為 1x2x1y2y輸 入 層 隱 層 輸 出 層 ??????21xx??????21yy??????10??????01以上神經(jīng)網(wǎng)絡(luò)模型的 MATLAB程序如下： x=[ 。 ]。 %原始數(shù)據(jù) x=。 %數(shù)據(jù)標準化 y=[0 0 0 0 0 0 0 0 0 1 1 1 1 1 1。1 1 1 1 1 1 1 1 1 0 0 0 0 0 0]。 %應(yīng)有的輸出 =newff([0,1。0 1],[5,2],{39。tansig39。,39。tansig39。})。 %建立兩層前向神經(jīng)網(wǎng)絡(luò) %=。 %設(shè)定訓(xùn)練誤差 =2022。 %設(shè)定最大訓(xùn)練步數(shù) =train(,x,y)。 %訓(xùn)練網(wǎng)絡(luò) y1=sim(,x) %輸出數(shù)據(jù) yy=sim(,[ 。 ]) %數(shù)據(jù)泛化 解法二：建立單層感知器模型如下： X= 為輸入矩陣， x1對應(yīng)于觸角長， x2對應(yīng)于翅膀長。 Y= 為輸出矩陣，規(guī)定 Af對應(yīng)的應(yīng)有輸出為 ， Apf對應(yīng)的應(yīng)有輸出為 ??????21xx??????21yy ??????10??????011x2x1y2y輸 入 層 輸 出 層 以上神經(jīng)網(wǎng)絡(luò)模型的 MATLAB程序如下： x=[ ]。 %原始數(shù)據(jù) x=。 %數(shù)據(jù)標準化 y=[0 0 0 0 0 0 0 0 0 1 1 1 1 1 1。1 1 1 1 1 1 1 1 1 0 0 0 0 0 0]。 %應(yīng)有的輸出 =newp(minmax(x),2)。 %建立單層兩節(jié)點感知器模型 %=。 %設(shè)定訓(xùn)練誤差 =200。 %設(shè)定最大訓(xùn)練步數(shù) =train(,x,y)。 %訓(xùn)練網(wǎng)絡(luò) y1=sim(,x) %輸出數(shù)據(jù) yy=sim(,[ 。 ]) %數(shù)據(jù)泛化 plotpv(x,y) %繪制輸入向量和目標向量 plotpc({1,1},{1}) %繪制分界線
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1