人工神經網絡蠕蟲分類問題(參考版)
2025-06-12 22:19本頁面
【正文】 disp(num2str(Y_three))17。使用優(yōu)化后的權值與閥值對三個樣本預測的結果：39。 ]39。%%對三個蠓蟲的預測x=[ 。{2}=reshape(B2,outputnum,1)。{2,1}=reshape(w2,outputnum,hiddennum)。%初始隱含層到輸出層的權值B2=bestX(w1num+hiddennum+w2num+1:w1num+hiddennum+w2num+outputnum)。%初始輸入層到隱含層的權值B1=bestX(w1num+1:w1num+hiddennum)。%輸入層到隱含層的權值個數w2num=outputnum*hiddennum。=NaN。=。)。},39。,39。%輸出層神經元個數%%新建BP網絡net=newff(minmax(P),[hiddennum,outputnum],{39。%輸入層神經元個數%%使用優(yōu)優(yōu)化后的權值與閥值inputnum=size(P,1)。訓練樣本的仿真誤差：39。測試樣本的仿真誤差：39。err11=norm(sim(net,P)T)。)Y1=sim(net,P_test)。])disp(39。%%測試網絡disp([39。=NaN。=。)。},39。,39。%輸出層神經元個數%%新建BP網絡net=newff(minmax(P),[hiddennum,outputnum],{39。%初始隱含層神經元個數inputnum=size(P,1)。T_test=[T3,T4]。T3=t1(:,n1(7:9))。P_test=[P3。P3=p1(n1(7:9),:)。T2=t2(:,n2(1:3))。ones(1,6)]。zeros(1,9)]。P2]39。P2=p2(n2(1:3),:)。n2=randperm(size(p2,1))。,]。,。,。,]。,。,。,。,num2str(err21)])(5)clcclear allclose all%%加載神經網絡的訓練樣本，測試樣本每一列一個樣本，輸入P,輸出Tp1=[,。,num2str(err2)])disp([39。disp([39。err2=norm(Y2T_test)。測試樣本預測的結果：39。39。%%訓練網絡net=train(net,P,T)。{1}=reshape(B1,hiddennum,1)。%輸出層神經元閥值{1,1}=reshape(w1,hiddennum,inputnum)。%隱含層神經元閥值w2=bestX(w1num+hiddennum+1:w1num+hiddennum+w2num)。%隱含層到輸出層的權值個數w1=bestX(1:w1num)。%%BP神經網絡初始權值與閥值w1num=inputnum*hiddennum。=。%%設置網絡參數：訓練次數為1000，=1000。trainlm39。logsig39。tansig39。(4)%%使用優(yōu)優(yōu)化后的權值與閥值outputnum=size(T,1)。%%測試網絡Y=sim(net,P_test)。{2}=reshape(B2,outputnum,1)。{2,1}=reshape(w2,outputnum,hiddennum)。%初始隱含層到輸出層的權值B2=x(w1num+hiddennum+w2num+1:w1num+hiddennum+w2num+outputnum)。%初始輸入層到隱含層的權值B1=x(w1num+1:w1num+hiddennum)。%輸入層到隱含層的權值個數w2num=outputnum*hiddennum。=NaN。=。)。},39。,39。%輸出層神經元個數%%新建BP網絡net=newff(minmax(P),[hiddennum,outputnum],{39。end(3)function err=Bpfun(x,P,T,hiddennum,P_test,T_test)%%訓練與測試BP網絡%%輸入%x:一個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:隱含層神經元數目%P_test:測試樣本輸入%T_test:測試樣本期望輸出%%輸出%err:預測樣本的預測誤差的范數inputnum=size(P,1)。Obj=zeros(M,1)。\n39。\n最小誤差 err=39。,num2str(bestX39。fprintf([39。bestX=trace(1:end1,end)。進化過程39。)。ylabel(39。遺傳代數39。plot(1:MAXGEN,trace(end,:))。%記下每一代的最優(yōu)值 trace(end,gen)=Y。%代計數
教學教案相關推薦
鄂ICP備17016276號-1