神经网络作业
相关主题
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
报告一
1、程序
P=[-0.4 -0.5 0.6 0.7 0.8 -0.9 0.2;0.9 0 0.1 0.2 -0.3 0.5 0.3];
%给定训练样本数据,对应点的坐标
T=[1 1 1 0 1 0 0];
%给定样本数据对应的类别,用1和0表示两种类别
net=newp([-1 1;-1 1],1);
%创建一个有两个输入、样本数据的取值范围都在【-1,1】之间,并且网络只有一个神经元的感知器神经网络
net.trainParam.epochs=20;
%设置网络的最大训练次数为20次
net = train(net,P,T);
%使用训练函数对创建的网络进行训练
Y=sim(net,P)
%对训练后的网络进行仿真
E1=mae(Y-T)
%计算网络的平均绝对误差
figure(1);
%画出训练结果
plotpv(P,Y);
plotpc(net.iw{1},net.b{1})
Q=[0.6 0.9 -0.1 0.7 -0.3 0.4 0.4;-0.1 -0.5 0.5 0.7 0.2 0.1 0.2];
%检测训练好的神经网络的性能
Y1=sim(net,Q)
%对网络进行仿真,仿真输出即为分类的结果
figure(2);
创建一个新的绘图窗口
plotpv(Q,Y1);
在坐标中绘制测试数据
plotpc(net.iw{1},net.b{1})%在坐标中绘制分类线
2、神经网络训练
图1 神经网络训练
>>nn
Y = 0 0 1 1 1 0 1 E1 = 0
Y1 = 1 1 0 1 0 1 1
3、结果图
图2 训练图
-1.5-1-0.50
0.51 1.5
Vectors to be Classified
P(1)P (2)
图3 测试图
Vectors to be Classified
P(1)P (2)