原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
例4-1 由下面的语句生成一组数据 x 和 y，用神经网络进 行数据拟合 x=0:.1:10; y=0.12*exp(-0.213*x)+0.54*exp(-0.17*x).*sin(1.23*x); 可知(x, y)是曲线 上的点。 x=0:.1:10; y=0.12*exp(-0.213*x)+0.54*exp(-0.17*x).*sin(1.23*x); net=newff([0,10],[5,1],{tansig,tansig}); net.trainParam.epochs=1000; net=train(net,x,y); x0=0:.1:10; figure(1) y1=sim(net,x0); plot(x,y,o, x0,y1,r) nntool命令产生神经网络图形交互界面如下 二、 神经网络交互式界面 第三部分 应用实例 实例1. 蠓虫分类问题的神经网络方法 （1989年MCM竞赛题目 ） 生物学家试图对两种蠓虫（Af与Apf）进行鉴别，依据的资料 是触角和翅膀的长度，已经测得9只Af和6只Apf的数据如下： 9只Af 触角长：1.24 1.36 1.38 1.38 1.38 1.40 1.48 1.54 1.56 翅膀长：1.72 1.74 1.64 1.82 1.90 1.70 1.82 1.82 2.08 6只Apf 触角长：1.14 1.18 1.20 1.26 1.28 1.30 翅膀长：1.78 1.96 1.86 2.00 2.00 1.96 问题：（1）如何凭借原始资料(15 对数据,被称之为学习样本)制 定一种方法,正确区分两类蠓虫; （2）依据确立的方法,对以下三个样本： (1.24,1.80)，(1.28,1.84)，(1.40,2.04)加以识别 解法一：建立两层前向神经网络如下： 隐层节点可适量选取（没有具体标准）。X= 为输入矩阵， x1对应于触角长， x2对应于翅膀长。Y= 为输出矩阵 规定Af对应的应有输出为 ， Apf对应的应有输出为 输 入 层 隐 层 输 出 层 以上神经网络模型的MATLAB程序如下： x=[1.24 1.36 1.38 1.38 1.38 1.40 1.48 1.54 1.56 1.14 1.18 1.20 1.26 1.28 1.30 1.72 1.74 1.64 1.82 1.90 1.70 1.82 1.82 2.08 1.78 1.96 1.86 2.00 2.00 1.96]; %原始数据 x=x-1.1; %数据标准化 y=[0 0 0 0 0 0 0 0 0 1 1 1 1 1 1;1 1 1 1 1 1 1 1 1 0 0 0 0 0 0]; %应有的输出 net=newff([0,1;0 1],[5,2],{tansig,tansig}); %建立两层前向神经网络 %net.trainParam.goal=0.0000001; %设定训练误差 net.trainParam.epochs=2000; %设定最大训练步数 net=train(net,x,y); %训练网络 y1=sim(net,x) %输出数据 yy=sim(net,[1.24 1.28 1.40;1.80 1.84 2.04]) %数据泛化 解法二：建立单层感知器模型如下： X= 为输入矩阵，x1对应于触角长， x2对应于翅膀长。 Y= 为输出矩阵，规定Af对应的应有输出为 ， Apf对应的应有输出为 输 入 层 输 出 层 以上神经网络模型的MATLAB程序如下： x=[1.24 1.36 1.38 1.38 1.38 1.40 1.48 1.54 1.56 1.14 1.18 1.20 1.26 1.28 1.30 1.72 1.74 1.64 1.82 1.90 1.70 1.82 1.82 2.08 1.78 1.96 1.86 2.00 2.00 1.96]; %原始数据 x=x-1
文档评论（0）