人工神經(jīng)網(wǎng)絡(luò)蠕蟲分類問題-資料下載頁
2025-06-09 22:19本頁面
【正文】 層神經(jīng)元閥值{1,1}=reshape(w1,hiddennum,inputnum)。{2,1}=reshape(w2,outputnum,hiddennum)。{1}=reshape(B1,hiddennum,1)。{2}=reshape(B2,outputnum,1)。%%訓(xùn)練網(wǎng)絡(luò)net=train(net,P,T)。%%測(cè)試網(wǎng)絡(luò)disp([39。39。])disp(39。測(cè)試樣本預(yù)測(cè)的結(jié)果：39。)Y2=sim(net,P_test)。err2=norm(Y2T_test)。err21=norm(sim(net,P)T)。disp([39。測(cè)試樣本的仿真誤差：39。,num2str(err2)])disp([39。訓(xùn)練樣本的仿真誤差：39。,num2str(err21)])(5)clcclear allclose all%%加載神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，測(cè)試樣本每一列一個(gè)樣本，輸入P,輸出Tp1=[,。,。,。,。,。,。,。,。,]。p2=[,。,。,。,。,。,]。n1=randperm(size(p1,1))。n2=randperm(size(p2,1))。P1=p1(n1(1:6),:)。P2=p2(n2(1:3),:)。P=[P1。P2]39。t1=[ones(1,9)。zeros(1,9)]。t2=[zeros(1,6)。ones(1,6)]。T1=t1(:,n1(1:6))。T2=t2(:,n2(1:3))。T=[T1,T2]。P3=p1(n1(7:9),:)。P4=p1(n2(4:6),:)。P_test=[P3。P4]39。T3=t1(:,n1(7:9))。T4=t1(:,n2(4:6))。T_test=[T3,T4]。hiddennum=3。%初始隱含層神經(jīng)元個(gè)數(shù)inputnum=size(P,1)。%輸入層神經(jīng)元個(gè)數(shù)outputnum=size(T,1)。%輸出層神經(jīng)元個(gè)數(shù)%%新建BP網(wǎng)絡(luò)net=newff(minmax(P),[hiddennum,outputnum],{39。tansig39。,39。logsig39。},39。trainlm39。)。%%設(shè)置網(wǎng)絡(luò)參數(shù)：訓(xùn)練次數(shù)為1000，=1000。=。=。=NaN。%%訓(xùn)練網(wǎng)絡(luò)net=train(net,P,T)。%%測(cè)試網(wǎng)絡(luò)disp([39。39。])disp(39。測(cè)試樣本預(yù)測(cè)的結(jié)果：39。)Y1=sim(net,P_test)。err1=norm(Y1T_test)。err11=norm(sim(net,P)T)。disp([39。測(cè)試樣本的仿真誤差：39。,num2str(err1)])disp([39。訓(xùn)練樣本的仿真誤差：39。,num2str(err11)])(6)%%使用優(yōu)優(yōu)化后的權(quán)值與閥值inputnum=size(P,1)。%輸入層神經(jīng)元個(gè)數(shù)%%使用優(yōu)優(yōu)化后的權(quán)值與閥值inputnum=size(P,1)。%輸入層神經(jīng)元個(gè)數(shù)outputnum=size(T,1)。%輸出層神經(jīng)元個(gè)數(shù)%%新建BP網(wǎng)絡(luò)net=newff(minmax(P),[hiddennum,outputnum],{39。tansig39。,39。logsig39。},39。trainlm39。)。%%設(shè)置網(wǎng)絡(luò)參數(shù)：訓(xùn)練次數(shù)為1000，=1000。=。=。=NaN。%%BP神經(jīng)網(wǎng)絡(luò)初始權(quán)值與閥值w1num=inputnum*hiddennum。%輸入層到隱含層的權(quán)值個(gè)數(shù)w2num=outputnum*hiddennum。%隱含層到輸出層的權(quán)值個(gè)數(shù)w1=bestX(1:w1num)。%初始輸入層到隱含層的權(quán)值B1=bestX(w1num+1:w1num+hiddennum)。%隱含層神經(jīng)元閥值w2=bestX(w1num+hiddennum+1:w1num+hiddennum+w2num)。%初始隱含層到輸出層的權(quán)值B2=bestX(w1num+hiddennum+w2num+1:w1num+hiddennum+w2num+outputnum)。%輸出層神經(jīng)元閥值{1,1}=reshape(w1,hiddennum,inputnum)。{2,1}=reshape(w2,outputnum,hiddennum)。{1}=reshape(B1,hiddennum,1)。{2}=reshape(B2,outputnum,1)。%%訓(xùn)練網(wǎng)絡(luò)net=train(net,P,T)。%%對(duì)三個(gè)蠓蟲的預(yù)測(cè)x=[ 。 。 ]39。disp(39。使用優(yōu)化后的權(quán)值與閥值對(duì)三個(gè)樣本預(yù)測(cè)的結(jié)果：39。)Y_three=sim(net,x)。disp(num2str(Y_three))17
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號(hào)-1