北京科技大學(xué)信息工程學(xué)院付冬梅fdm20xx@163com-資料下載頁
2025-07-18 13:27本頁面
【正文】 rf] = sim(NET， P， Pi， Ai， T) ? (2) [Y， Pf， Af， E， perf] = sim(NET， {Q TS}， Pi， Ai， T) ? (3) [Y， Pf， Af， E， perf] = sim(NET， Q， Pi， Ai， T) – 說明 Y為網(wǎng)絡(luò)的輸出； Pf表示最終的輸入延時狀態(tài)； Af表示最終的層延時狀態(tài)； E為實際輸出與目標(biāo)矢量之間的誤差； perf為網(wǎng)絡(luò)的性能值； NET為要測試的網(wǎng)絡(luò)對象； P為網(wǎng)絡(luò)的輸入向量矩陣； Pi為初始的輸入延時狀態(tài)（可省略）； Ai為初始的層延時狀態(tài)（可省略）； T為目標(biāo)矢量（可省略）。式 (1)、 (2)用于沒有輸入的網(wǎng)絡(luò)，其中 Q為批處理數(shù)據(jù)的個數(shù)， TS為網(wǎng)絡(luò)仿真的時間步數(shù)。 第三章：感知器 單層感知器的 MATLAB設(shè)計與實現(xiàn) ? mae() – 功能 平均絕對誤差性能函數(shù) – 格式 perf=mae(E， w， pp) – 說明 perf表示平均絕對誤差和， E為誤差矩陣或向量(網(wǎng)絡(luò)的目標(biāo)向量與輸出向量之差 )， w為所有權(quán)值和偏值向量 (可忽略 )， pp為性能參數(shù) (可忽略 )。 ? plotpv() – 功能 繪制樣本點(diǎn)的函數(shù) – 格式 (1) plotpv(P， T) (2) plotpv(P， T， V) – 說明 P定義了 n個 2或 3維的樣本，是一個 2n維或 3n維的矩陣；T表示各樣本點(diǎn)的類別，是一個 n維的向量； V=[x_min x_max y_min y_max]，為一設(shè)置繪圖坐標(biāo)值范圍的向量。利用plotpv()函數(shù)可在坐標(biāo)圖中繪出給定的樣本點(diǎn)及其類別，不同的類別使用不同的符號。如果 T只含一元矢量，則目標(biāo)為 0的輸入矢量在坐標(biāo)圖中用符號＂ o＂表示： 目標(biāo)為 1的輸入矢量在坐標(biāo)圖中用符號＂ +＂表示。如果 T含二元矢量，則輸入矢量在坐標(biāo)圖中所采用的符號分別如下： [0 0]用＂ o＂表示； [0 1]用＂ +＂表示： [1 0]用＂ *＂表示； [1 1]用＂＂表示。 第三章：感知器 單層感知器的 MATLAB設(shè)計與實現(xiàn) 第三章：感知器 單層感知器的 MATLAB設(shè)計與實現(xiàn) 使用 MATLAB實現(xiàn)神經(jīng)網(wǎng)絡(luò)的步驟如下： – 第一步 根據(jù)應(yīng)用創(chuàng)建一個神經(jīng)網(wǎng)絡(luò)； – 第二步 設(shè)定神經(jīng)網(wǎng)絡(luò)的訓(xùn)練參數(shù)，利用給定樣本對創(chuàng)建的神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練； – 第三步 輸入測試數(shù)據(jù)，測試訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)的性能。 clear clf figure(gcf) %setfsize(300,300)。 echo on %NEWP —— 建立一個感知器神經(jīng)元 %INIT —— 對感知器神經(jīng)元初始化 %TRAIN —— 訓(xùn)練感知器神經(jīng)元 %SIM —— 對感知器神經(jīng)元仿真 pause % 敲任意鍵繼續(xù) clc % P為輸入矢量 P = [ + +。 + +]。 第三章：感知器 單層感知器的 MATLAB設(shè)計與實現(xiàn) Example % T為目標(biāo)矢量 T = [1 1 0 0]。 pause clc % 繪制輸入矢量圖 plotpv(P,T)。 pause clc 第三章：感知器 單層感知器的 MATLAB設(shè)計與實現(xiàn) 第三章：感知器 單層感知器的 MATLAB設(shè)計與實現(xiàn) % 定義感知器神經(jīng)元并對其初始化 =newp([ 。 1],1)。 =39。initlay39。 {1}.initF=39。initwb39。 {1,1}.initF=39。rands39。 {1,1}.initF=39。rands39。 {1}.initF=39。rands39。 =init()。 echo off k = pickic。%選擇訓(xùn)練方式 if k == 2 {1,1} = [ ]。 {1} = []。 end echo on plotpc({1,1},{1}) pause % 訓(xùn)練感知器神經(jīng)元 =train(,P,T)。 {1,1} pause % 繪制結(jié)果分類曲線 plotpv(P,T) plotpc({1,1},{1})。 pause 第三章：感知器 單層感知器的 MATLAB設(shè)計與實現(xiàn) 第三章：感知器 單層感知器的 MATLAB設(shè)計與實現(xiàn) % 利用訓(xùn)練完的感知器神經(jīng)元分類 p = [。 0]。 a = sim(,p) echo off p = [。 0]。 a = sim(,p) a = 1 第三章：感知器 單層感知器的 MATLAB設(shè)計與實現(xiàn) 選擇參數(shù) 1——計算機(jī)設(shè)置初始值 % 利用訓(xùn)練完的感知器神經(jīng)元分類 p = [。 0]。 a = sim(,p) a = 1 第三章：感知器 單層感知器的 MATLAB設(shè)計與實現(xiàn) clear figure(gcf) echo on clc %NEWP — 建立一個感知器 %INIT — 初始化感知器神經(jīng)元 %SIM — 對感知器神經(jīng)元仿真 %TRAIN — 訓(xùn)練感知器神經(jīng)元 pause % 鍵入任意鍵繼續(xù) P = [1 +1 1 +1 1 +1 1 +1。 1 1 +1 +1 1 1 +1 +1。 1 1 1 1 +1 +1 +1 +1]。 T = [0 1 0 0 1 1 0 1]。 Example pause %敲任意鍵，繪制上述矢量 plotpv(P,T)。 pause %敲任意鍵，建立一個感知器神經(jīng)并對其初始化然后繪制初始分類曲線 =newp([1 1。1 1。1 1],1)。 =39。initlay39。 {1}.initF=39。initwb39。 {1,1}.initF=39。rands39。 {1,1}.initF=39。rands39。 {1}.initF=39。rands39。 =init()。 plotpc({1,1},{1}) 第三章：感知器 單層感知器的 MATLAB設(shè)計與實現(xiàn) pause % 鍵入任意鍵，訓(xùn)練感知器神經(jīng)元 =1。 = train(,P,T)。 {1,1} pause %繪制結(jié)果分類曲線 figure %setfsize(300,300) plotpv(P,T)。 plotpc({1,1},{1})。 第三章：感知器 單層感知器的 MATLAB設(shè)計與實現(xiàn) 第三章：感知器 單層感知器的 MATLAB設(shè)計與實現(xiàn) pause %利用訓(xùn)練完的感知器神經(jīng)元分類 p = [。 。 ]。 a = sim(,p) echo off {1,1} ans = ans = [] p = [。 。 ]。 a = sim(,p) a = 0 本章結(jié)束，謝謝大家！
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號-1