程序1利用newc()函數(shù)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,修改權(quán)值并對(duì)樣

1、程序1:利用newe ()函數(shù)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，修改權(quán)值并對(duì)樣本進(jìn)行 分類判別。%產(chǎn)生指定類別的樣本點(diǎn)，并在圖中繪制出X=0 1;0 1;elusters=5;points=10;std_dev=0.05;P=nngene(X,elusters,points,std_dev);plot(P(1,:),P(2,:),'+r');title(' 輸入樣本向量 ');xlabel('p(1)');ylabel('p(2)');%建立網(wǎng)絡(luò)net=newe(0 1;0 1,5,0.1);%設(shè)置神經(jīng)元數(shù)目為 5%得到網(wǎng)絡(luò)權(quán)值，并在圖上繪制出fi

2、gure; plot(P(1,:),P(2,:),'+r');w=net.iw1hold on;plot(w(:,1),w(:,2),'ob');hold off;title(' 輸入樣本向量及初始權(quán)值 ');xlabel('p(1)');ylabel('p(2)');figure;plot(P(1,:),P(2,:),'+r');hold on;%訓(xùn)練網(wǎng)絡(luò)net.trainParam.epochs=7;net=init(net);net=train(net,P);%得到訓(xùn)練后的網(wǎng)絡(luò)權(quán)值，并在圖上繪

3、制出 w=net.iw1plot(w(:,1),w(:,2),'ob');hold off;title(' 輸入樣本向量及更新后的權(quán)值 ');xlabel('p(1)');ylabel('p(2)');a=0;p=0.6;0.8;a=sim(net,p) 程序 2：利用 adapt （）函數(shù)對(duì)預(yù)測(cè)信號(hào)進(jìn)行跟蹤訓(xùn)練，并得出訓(xùn)練 值與目標(biāo)值之間的差異。%分別定義兩段時(shí)間Timel和Time2,對(duì)應(yīng)信號(hào)的不同頻率時(shí)段Time1=0:0.05:4;Time2=4.05:0.024:6;Time=Time1 Time2;%得到待預(yù)測(cè)的目標(biāo)信

4、號(hào)T=cos(Time1*4*pi) cos(Time2*8*pi);T=con2seq(T);%繪出目標(biāo)信號(hào)的曲線，并指定給輸入figure;plot(Time,cat(2,T:);xlabel(' 時(shí)間 ');ylabel(' 目標(biāo) ');title(' 待跟蹤的目標(biāo)信號(hào) ');P=T;%生成線性網(wǎng)絡(luò)lr=0.1;dalays=1 2 3 4 5;net=newlin(minmax(cat(2,P:),1,dalays,lr); %對(duì)網(wǎng)絡(luò)進(jìn)行自適應(yīng)訓(xùn)練 net,a,e=adapt(net,P,T);%繪出預(yù)測(cè)信號(hào)、目標(biāo)信號(hào)及誤差信號(hào)曲線 figure; plot（Time,cat（2,a:）,Time,cat（2,P:）,'-'）; xlabel（' 時(shí)間 '）;ylabel（' 目標(biāo)、預(yù)測(cè)值 '）;title（' 目標(biāo)信號(hào)及預(yù)測(cè)結(jié)果 '）;figure;plot（Time,cat（2,e:）