12.Matlab神经网络工具箱
概述:
1 人工神经网络介绍
2 人工神经元
3 MATLAB神经网络工具箱
4 感知器神经网络
5 感知器神经网络
5.1 设计实例分析
clear all;
close all;
P=[ ; ];
T=[ ];
%建立神经网络
net=newp(minmax(P),,'hardlim','learnp');
%对神经网络进行训练,net是建立网络,P是输入向量,T是目标向量
net=train(net,P,T);
%对网络进行仿真
Y=sim(net,P);
%绘制建模点
plotpv(P,T);
%绘制分界线
plotpc(net.iw{,},net.b{});
clear all;
close all;
P=[-0.5 -0.5 0.4 -0.1 -0.8;-0.5 0.5 -0.3 0.2 0.9];
T=[ ];
plotpv(P,T);
%建立感知器网络
net=newp(minmax(P),,'hardlim','learnpn');
hold on;
linehandle=plot(net.IW{},net.b{});
E=;
net.adaptParam.passes=;
%误差没有达到要求会持续不断的训练
while mae(E)
%进行感知器网络的训练
[net,Y,E]=adapt(net,P,T);
linehandle=plotpc(net.IW{},net.b{},linehandle);
drawnow;
end
%对训练好的网络进行保存,保存成net1
save net1 net;
set(gcf,'position',[,,,]);
clear all;
close all;
%加载网络
load net1.mat;
X=[-0.4 0.2 0.8;-0.7 0.3 0.9];
%对网络进行仿真,输入向量为X
Y=sim(net,X);
figure;
%绘制样本点和分界线
plotpv(X,Y);
plotpc(net.IW{},net.b{});
set(gcf,'position',[,,,]);
5.2 线性神经网络
clear all;
close all;
P=[1.0 2.1 ];
T=[2.0 4.01 5.9 8.0];
%获取最大的学习速率
lr=maxlinlr(P);
net=newlin(minmax(P),,,lr);
%最大学习次数是300
net.trainParam.epochs=;
%训练的目标误差为0.
net.trainParam.goal=0.05;
net=train(net,P,T);
Y=sim(net,P)
6 设计实例分析
clear all;
close all;
t=:pi/:*pi;
X=t.*sin(t);
T=*X+;
figure;
plot(t,X,'+-',t,T,'+--');
legend('系统输入','系统输出');
set(gca,'xlim',[ *pi]);
set(gcf,'position',[,,,]);
net=newlind(X,T);
%对网络进行仿真
y=sim(net,X);
figure;
plot(t,y,'+:',t,y-T,'r:');
legend('网络预测输出','误差');
set(gca,'xlim',[ *pi]);
set(gcf,'position',[,,,]);
7 BP网络
7.1 BP网络的创建
7.2 BP网络实例分析
clear all;
clear all;
P=[ ];
T=[ ];
%隐含层为10个神经元
net=newff(P,T,);
net.trainParam.epochs=;
%进行训练
net=train(net,P,T);
%对网络进行仿真
Y=sim(net,P);
figure;
plot(P,T,P,Y,'o');
- BP神经网络进行曲线拟合
clear all;
clear all;
P=-:0.05:;
T=sin(*pi*P)+0.1*randn(size(P));
net=newff(P,T,,{},'trainbr');
net.trainParam.show=;
net.trainParam.epochs=;
net=train(net,P,T);
Y=sim(net,P);
figure;
plot(P,T,'-',P,Y,'+');
legend('原始信号','网络输出信号');
set(gcf,'position',[,,,]);
8 径向基审计网络
clear all;
close all;
P=[ ];
T=[2.1 3.4 5.4 6.9 5.6];
net=newrb(P,T);
x=:0.5:
y=sim(net,x)
9 广义回归神经网络
clear all;
close all;
%输入向量
P=:;
%输出向量
T=*sin(P);
net=newgrnn(P,T,0.2);
y=sim(net,P);
figure;
plot(P,T,':+',P,T-y,'-o');
10 概率神经网络
clear all;
close all;
P=[:];
Tc=[ ];
T=ind2vec(Tc)
net=newpnn(P,T);
Y=sim(net,P);
Yc=vec2ind(Y)
12.Matlab神经网络工具箱的更多相关文章
- Matlab神经网络工具箱学习之一
1.神经网络设计的流程 2.神经网络设计四个层次 3.神经网络模型 4.神经网络结构 5.创建神经网络对象 6.配置神经网络的输入输出 7.理解神经网络工具箱的数据结构 8.神经网络训练 1.神经网络 ...
- matlab神经网络工具箱创建神经网络
为了看懂师兄的文章中使用的方法,研究了一下神经网络 昨天花了一天的时间查怎么写程序,但是费了半天劲,不能运行,百度知道里倒是有一个,可以运行的,先贴着做标本 % 生成训练样本集 clear all; ...
- Matlab神经网络工具箱学习之二
螃蟹的分类 这个例子的目的是根据螃蟹的品种.背壳的长宽等等属性来判断螃蟹的性别,雄性还是雌性. 训练数据一共有六个属性: species, frontallip, rearwidth, length, ...
- matlab 神经网络工具箱的实用
0. 其他处理 计时: tic net = train(net, X, y); toc 1. 一个简单的 demo(单层感知器) P = [1, 1, 1, 1, 0, 0, 0, 0; 0, 0, ...
- Matlab的BP神经网络工具箱及其在函数逼近中的应用
1.神经网络工具箱概述 Matlab神经网络工具箱几乎包含了现有神经网络的最新成果,神经网络工具箱模型包括感知器.线性网络.BP网络.径向基函数网络.竞争型神经网络.自组织网络和学习向量量化网络.反馈 ...
- MathWorks官方消息:神经网络工具箱不能编译
各位会员大家好,大家关心的问题,我已经大部分得到答案. 10月25号-27号我访问了MathWorks公司在波士顿的总部,大家经常关心的问题,我大部分都得到了答案. 关于神经网络工具箱,我与Matla ...
- paper 75:使用MATLAB的神经网络工具箱创建神经网络
% 生成训练样本集 clear all; clc; P=[110 0.807 240 0.2 15 1 18 2 1.5; 110 2.865 240 0.1 15 2 12 1 2; 110 2.5 ...
- MATLAB的神经网络工具箱介绍
一.使用matlab2010b以后的版本会有完整的神经网络工具箱,使用nnstart可以调出toolbox,然后选择需要的功能,导入数据,选择训练参数和每层神经元个数,最后训练会输出网络与结果. 二. ...
- MATLAB神经网络(2) BP神经网络的非线性系统建模——非线性函数拟合
2.1 案例背景 在工程应用中经常会遇到一些复杂的非线性系统,这些系统状态方程复杂,难以用数学方法准确建模.在这种情况下,可以建立BP神经网络表达这些非线性系统.该方法把未知系统看成是一个黑箱,首先用 ...
随机推荐
- Dalvik 堆内存管理与回收
Dalvik虚拟机用来分配对象的堆划分为两部分,一部分叫做Active Heap,另一部分叫做Zygote Heap.下面基于管理机制来介绍为何分配为这两部分,以及堆内存的管理. 我们从Android ...
- todo reading
https://developer.mozilla.org/en-US/docs/Web/JavaScript/Reference/Global_objects/Function/bind https ...
- 杭电 2095 find your present (2)【位运算 异或】
题目链接:http://acm.hdu.edu.cn/showproblem.php?pid=2095 解题思路:因为只有我们要求的那个数出现的次数为奇数,所以可以用位运算来做,两次异或同一个数最后结 ...
- Win7系统下调整硬盘分区大小给C盘更多的空间
电脑安装了很多程序,C盘空间越来越小了.如何给C盘调整更多的空间,其实只要调整硬盘分区大小便可解决这个问题,下面有个小技巧,需要的朋友照做就可以了 Win7系统下如何调整硬盘分区大小,以前装系统的时候 ...
- RxSwift文档搜集与备份
http://reactivex.io The Observer pattern done right ReactiveX is a combination of the best ideas fro ...
- Linux系统编程@进程管理(一)
课程目标: 构建一个基于主机系统的多客户即时通信/聊天室项目 涉及的理论知识 进程控制:僵尸进程/孤儿进程.进程控制.守护进程... 进程间通信:管道.命名管道.信号... 多线程编程: 锁.信号量. ...
- JsonPluginsUtil
package utils; import java.lang.reflect.Field;import java.text.SimpleDateFormat;import java.util.Arr ...
- FastFDS常用命令
1.启停fastdfs相关服务 #start fastdfs 启动服务 /usr/bin/fdfs_trackerd /etc/fdfs/tracker.conf restart /usr/loca ...
- C++基础 (5) 第五天 重载new delete () 只能操作符 自定义string类
1 昨日回顾 1.static 对整个类共享 可以直接用 类::方法 调用 如果是私有的 可以提供一个静态的访问静态成员的方法 2 自定义的数组类-重载操作符[] 3 重载new和delete 4 重 ...
- JavaScript进阶【三】JavaScript面向对象的基础知识复习
<!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8&quo ...