- 1、本文档共5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)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、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。
- 7、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。
- 8、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
实验一实验报告
BP神经网络
一、实验目的
初步熟悉MATLAB 工作环境,熟悉命令窗口,学会使用帮助窗口查找帮助信息。
二、 实验内容
1、网络设计,包括输入层、隐含层、输出层节点个数的设计。
2、算法步骤
3、编程,注意原始数据的通用化,数据输入的随机性。
4、网络训练,注意训练数据与验证数据分开。
5、网络验证
6、结果分析,修改隐含层节点个数,修改学习率,分别对结果的影响。
三 、实验数据
本实验以Fisher的Iris数据集作为神经网络程序的测试数据集。Iris数据集可以在/wiki/Iris_flower_data_set? 找到。Iris数据集Iris花可分为3个品种,现需要对其进行分类。不同品种的Iris花的花萼长度、花萼宽度、花瓣长度、花瓣宽度会有差异。现有一批已知品种的Iris花的花萼长度、花萼宽度、花瓣长度、花瓣宽度的数据。用已有的数据训练一个神经网络用作分类器。
我将Iris数据集分为2组,每组各75个样本,每组中每种花各有25个样本。其中一组作为以上程序的训练样本,另外一组作为检验样本。为了方便训练,将3类花分别编号为1,2,3 。
使用这些数据训练一个4输入(分别对应4个特征),3输出(分别对应该样本属于某一品种的可能性大小)的前向网络。
?????? Matlab程序如下:
%读取训练数据
[f1,f2,f3,f4,class] = textread(trainData.txt , %f%f%f%f%f,150); %特征值归一化
[input,minI,maxI] = premnmx( [f1 , f2 , f3 , f4 ]) ; %构造输出矩阵
s = length( class) ; output = zeros( s , 3 ) ;
for i = 1 : s
output( i , class( i ) ) = 1 ;
end
%创建神经网络 net = newff( minmax(input) , [10 3] , { logsig purelin } , traingdx ) ;
%设置训练参数 net.trainparam.show = 50 ;
net.trainparam.epochs = 500 ;
net.trainparam.goal = 0.01 ;
net.trainParam.lr = 0.01 ;
%开始训练 net = train( net, input , output ) ;
%读取测试数据 [t1 t2 t3 t4 c] = textread(testData.txt , %f%f%f%f%f,150);
%测试数据归一化 testInput = tramnmx ( [t1,t2,t3,t4] , minI, maxI ) ;
%仿真 Y = sim( net , testInput )
%统计识别正确率 [s1 , s2] = size( Y ) ;
hitNum = 0 ;
for i = 1 : s2
[m , Index] = max( Y( : , i ) ) ;
if( Index == c(i) ) hitNum = hitNum + 1 ;
end
end
sprintf(识别率是 %3.3f%%,100 * hitNum / s2 )
当周期为50,迭代次数为500,目标误差为0.01,学习率为0.001时,识别率为98.000%;
当周期为50,迭代次数为500,目标误差为0.01,学习率为0.1时,识别率为98.000%;
由上面三组实验可知,学习率对神经网络的识别率没什么影响。
2、当net = newff( minmax(input) , [10 3] , { logsig purelin } , traingdx ) 时,识别率为 98.000%
当net = newff( minmax(input) , [5 3] , { logsig purelin } , traingdx ) 时,识别率为 97.333%;
当net = newff( minmax(input) , [1 3] , { logsig purelin } , traingdx ) 时,识别率是 66.667%
当net = newff( minmax(input) , [8 3] , { logsig purelin } , traingdx ) 时,识别率是 98.000%
分析:当隐含层的节点数越多,识别率越高,不过其识别率随着隐含层的节点数的增加而呈阶梯状增长。
您可能关注的文档
- 实验诊断精品教学(协和医院)1 实诊往年试题(部分有答案)-Eric.docx
- 实验诊断精品教学(协和医院)09临床二系.doc
- 实验诊断精品教学(协和医院)3 一系13级试题-Eric.docx
- 实验诊断教学课件(郑州大学)心电图诊断5.ppt
- 实验诊断精品教学(协和医院)2011级临床基础检验实验考核题目.ppt
- 实验诊断精品教学(协和医院)出血、血栓与止血检测-2014上.ppt
- 实验诊断精品教学(协和医院)多媒体教学备课-免疫2014五年制.ppt
- 实验诊断精品教学(协和医院)肝脏疾病实验室检查.ppt
- 实验诊断精品教学(协和医院)多媒体教学备课-尿液2014.ppt
- 实验诊断精品教学(协和医院)复件 实验考试-2013.ppt
- 四川省德阳市罗江中学2025届高三考前热身化学试卷含解析.doc
- 山东省枣庄现代实验学校2025届高三下学期第五次调研考试化学试题含解析.doc
- 吉林省长春市十一高中等九校教育联盟2025届高三一诊考试生物试卷含解析.doc
- 2025届江苏省盐城市伍佑中学高考仿真模拟化学试卷含解析.doc
- 2025届广西贺州中学高考冲刺押题(最后一卷)生物试卷含解析.doc
- 安徽省池州市贵池区2025届高三第一次模拟考试生物试卷含解析.doc
- 宁夏银川一中2025届高三(最后冲刺)化学试卷含解析.doc
- 广东省广州市增城区四校联考2025届高考压轴卷化学试卷含解析.doc
- 2025届邯郸市第一中学高考生物必刷试卷含解析.doc
- 2025届安徽省安庆市石化第一中学高考仿真卷化学试卷含解析.doc
文档评论(0)