智能信息处理技术实验报告.docVIP

智能信息处理技术 实验报告 学院（部）： 班 级： 学 号： 姓 名： 指导老师： 实验一 感知器实验 实验目的 理解线性分类器的分类原理 掌握感知器算法，利用它对输入的数据进行分类 实验原理 感知器算法是通过训练模式的迭代和学习算法，产生线性可分的模式判别函数。感知器算法就是通过对训练模式样本集的“学习”得出判别函数的系数解。 实验内容 （1）简单分类问题（Percept1）：设计单一感知器神经元来解决一个简单的分类问题：将4个输入向量分为两类，其中两个输入向量对应的目标值为1，另两个对应的目标值为0. 输入向量为：P=[-1 -0.5 0.2 -0.1; -0.3 0.5 -0.5 1.0] 目标向量为：T=[1 1 0 0] 程序如下： P=[-1 -0.5 0.2 -0.1; -0.3 0.5 -0.5 1.00]; T=[1 1 0 0]; plotpv(P,T); pause; net=newp([-1 1; -1 1],1); watchon; cla; plotpv(P,T); linehandle=plotpc(net.IW{1},net.b{1}); E=1; net=init(net); linehandle=plotpc(net.IW{1},net.b{1}); while(sse(E)) [net,Y,E]=adapt(net,P,T); linehandle=plotpc(net.IW{1},net.b{1}); drawnow; end; pause; watchoff; p=[-0.5;1.2]; a=sim(net,p); plotpv(p,a); ThePoint=findobj(gca,type,line); set(ThePoint,Color,red); hold on; plotpv(P,T); plotpc(net.IW{1},net.b{1}); hold off; disp(End of percept1);实验截图： （2）多个感知器神经元的分类问题（Percept2）：将上例的输入向量扩充为10组，将输入向量分为4类，即输入向量为： P=[0.1 0.7 0.8 0.8 1.0 0.3 0.0 -0.3 -0.5 -1.5; 1.2 1.8 1.6 0.6 0.8 0.5 0.2 0.8 -1.5 -1.3 ] 输出向量为：T=[1 1 1 0 0 1 1 1 0 0; 0 0 0 0 0 1 1 1 1 1] 程序如下： P=[0.1 0.7 0.8 0.8 1.0 0.3 0.0 -0.3 -0.5 -1.5; 1.2 1.8 1.6 0.6 0.8 0.5 0.2 0.8 -1.5 -1.3]; T=[1 1 1 1 1 0 0 0 0 0; 0 0 0 0 0 1 1 1 1 1]; plotpv(P,T); net=newp([-1.5 1;-1.5 1],2); figure; watchon; cla; plotpv(P,T); linehandle=plotpc(net.IW{1},net.b{1}); E=1; net=init(net); linehandle=plotpc(net.IW{1},net.b{1}); while(sse(E)) [net,Y,E]=adapt(net,P,T); linehandle=plotpc(net.IW{1},net.b{1},linehandle); drawnow; end; watchoff; figure; p=[2;-1]; a=sim(net,p); plotpv(p,a); ThePoint=findobj(gca,type,line); set(ThePoint,Color,red); hold on; plotpv(P,T); plotpc(net.IW{1},net.b{1}); hold off; disp(End of percept2); 实验截图： （3）输入奇异样本对网络训练的影响（Percept3