BP网络进行模式识别一道例题及答案.docx

下载文档

121
0
约小于1千字
约 6页
2017-02-20 发布于重庆
举报
版权申诉
保障服务

BP网络进行模式识别一道例题及答案.docx

1、本文档共6页，可阅读全部内容。
2、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。
3、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。
4、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)。

BP网络进行模式识别一道例题及答案

（题目为个人所做，由于水平有限，不能保证全部作对）1.采用BP神经网络进行模式识别。设计一个BP网络对附图中的英文字母进行分类。输入向量含16个分量，输出向量分别用[1,-1,-1]T, [-1,1,-1]T,[-1,-1,1]T代表字符A, I，O。采用不同的学习算法（traingd， traingdm ，traingdx，trainlm）进行比较。并测试施加5%噪声与输入时的测试结果。要求：给出matlab的源程序（可调用matlabNN工具箱），网络结构，初始权值，训练结果，测试结果。题3 附图 3.1.traingd算法源程序：P=[1 1 1 1 1 0 0 1 1 1 1 1 1 0 0 1; 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0; 1 1 1 1 1 0 0 1 1 0 0 1 1 1 1 1];T=[1 -1 -1;-1 1 -1;-1 -1 1];net=newff(minmax(P),[5,3],{tansig,logsig},traingd);iw1=net.IW{1};lw2=net.LW{2}net.trainParam.epochs=5000;net.trainParam.goal=0.01;LP.lr=0.1;net=train(net,P,T);3.1.1网络结构3.1.2初始权值输入层到隐含层3.1.3隐含层到输出层3.1.4训练结果3.1.5 5%噪声测试P1=P+0.05*randn(16,3);sim(net,P1)3.2 traingdm算法只需对上个程序改动一点第五行替换为traingdm3.2.1结果3.2.2输入层到隐含层权值隐含到输出的权值3.3.3 5%的噪声测试3.3 traingdx3.3.1结果3.3.2权值输入到隐含隐含到输出3．3．3 5%噪声测试3．4 trainlm算法3．4．1结果3．4．2输入到隐含权值隐含到输出权值3．4．3 5%噪声测试