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)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
有导师学习神经网络的分类 — 鸢尾花种类识别 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 1.基础理论 1. GRNN的结构 GRNN由输入层、隐含层和输出层组成。 输入层：将样本送入隐含层，不参与运算； 隐含层:神经元个数等于训练集样本数，权值为欧式距离；传递函数为径向基函数； 输出层：线性输出层，其权函数为规范化点积权函数。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. GRNN的学习算法 （1）确定隐含层神经元径向基函数中心 R为输入变量的维数，S为输出变量的维数；Q为训练集样本数 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. （2）确定隐含层神经元阈值 其中， spread为径向基函数的扩展速度。 （3）确定隐含层与输出层间权值和阈值 （4）输出层神经元输出计算 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. GRNN网络函数命令 net = newgrnn （P,T,spread） sim_grnn = sim （net，p_test） Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 2、概率神经网络概述（PNN） 与GRNN类似，由输入层、隐含层和输出层组成。与GRNN不同的是，PNN的输出层采用竞争输出代替线性输出，各神经元只依据Parzen方法来求和估计各类的概率，从而竞争输入模式的响应机会，最后仅有一个神经元竞争获胜，获胜的神经元即表示对输入模式的分类。 隐含层空间维数 - 网络逼近精度 - 网络复杂度 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. PNN的学习算法 （1）确定隐含层神经元径向基函数中心 R为输入变量的维数，S为输出变量的维数；Q为训练集样本数 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. （2）确定隐含层神经元阈值 其中， spread为径向基函数的扩展速度。 （3）确定隐含层与输出层间权值和阈值 （4）输出层神经元输出计算 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. PNN网络函数命令 net = newpnn （P,T,spread） sim_grnn = sim （net，p_test） Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 实 例 植物的分类与识别是植物学研究和农林业生产经营中的重要基础工作，对于区分植物种类，探索植物间的亲缘关系、阐明植物系统的进化规律具有重要意义。目前常用的植物种类鉴别方法是利用分类检索表进行鉴定，但
文档评论（0）