神經(jīng)網(wǎng)絡(luò)實(shí)驗(yàn)七學(xué)習(xí)教案

1、會(huì)計(jì)學(xué)1神經(jīng)網(wǎng)絡(luò)實(shí)驗(yàn)七神經(jīng)網(wǎng)絡(luò)實(shí)驗(yàn)七第一頁，編輯于星期二：六點(diǎn) 二分。一、廣義回歸神經(jīng)網(wǎng)絡(luò)一、廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN) 第1頁/共23頁第二頁，編輯于星期二：六點(diǎn) 二分。2、GRNN網(wǎng)絡(luò)的設(shè)計(jì)網(wǎng)絡(luò)的設(shè)計(jì)u調(diào)用格式：調(diào)用格式： net = newgrnn(P,T,SPREAD)u功能描述：功能描述： 設(shè)計(jì)一個(gè)設(shè)計(jì)一個(gè)GRNN網(wǎng)絡(luò)網(wǎng)絡(luò)u參數(shù)說明：參數(shù)說明： PQ個(gè)個(gè)R維輸入向量組成的維輸入向量組成的RQ矩陣矩陣. TQ個(gè)個(gè)S維期望輸出向量組成的維期望輸出向量組成的SQ矩陣矩陣. SPREAD徑向基層的散布常數(shù)，缺省值為徑向基層的散布常數(shù)，缺省值為1.一、廣義回歸神經(jīng)網(wǎng)絡(luò)一、廣義回歸神經(jīng)網(wǎng)絡(luò)(G

2、RNN) 第2頁/共23頁第三頁，編輯于星期二：六點(diǎn) 二分。例例1：已知：已知8個(gè)樣本點(diǎn)，用個(gè)樣本點(diǎn)，用GRNN網(wǎng)絡(luò)對(duì)該樣本進(jìn)行網(wǎng)絡(luò)對(duì)該樣本進(jìn)行函數(shù)逼近函數(shù)逼近 P=1 2 3 4 5 6 7 8;%輸入變量值輸入變量值 T=0 1 2 3 2 1 2 1;%期望輸出期望輸出 plot(P,T,.,markersize,30);%在坐標(biāo)系中畫出樣本點(diǎn)在坐標(biāo)系中畫出樣本點(diǎn) axis(0 9 -1 4); %調(diào)整坐標(biāo)平面顯示區(qū)域調(diào)整坐標(biāo)平面顯示區(qū)域 title(待逼近函數(shù)待逼近函數(shù)); %圖像標(biāo)題圖像標(biāo)題 xlabel(P); %給橫軸標(biāo)注給橫軸標(biāo)注 ylabel(T); %給縱軸標(biāo)注給縱軸標(biāo)注一

3、、廣義回歸神經(jīng)網(wǎng)絡(luò)一、廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN) 第3頁/共23頁第四頁，編輯于星期二：六點(diǎn) 二分。一、廣義回歸神經(jīng)網(wǎng)絡(luò)一、廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN) 第4頁/共23頁第五頁，編輯于星期二：六點(diǎn) 二分。 spread=0.7; %確定散布確定散布常數(shù)常數(shù) net=newgrnn(P,T,spread);%設(shè)計(jì)網(wǎng)絡(luò)設(shè)計(jì)網(wǎng)絡(luò) A=sim(net,P); %網(wǎng)絡(luò)仿真網(wǎng)絡(luò)仿真 hold on; outputline=plot(P,A,O,markersize,10, color,1 0 0); %畫出測(cè)試畫出測(cè)試結(jié)果結(jié)果 title(檢測(cè)網(wǎng)絡(luò)檢測(cè)網(wǎng)絡(luò)); xlabel(P); ylabel(T和和

4、A);一、廣義回歸神經(jīng)網(wǎng)絡(luò)一、廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN) 第5頁/共23頁第六頁，編輯于星期二：六點(diǎn) 二分。一、廣義回歸神經(jīng)網(wǎng)絡(luò)一、廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN) 第6頁/共23頁第七頁，編輯于星期二：六點(diǎn) 二分。 p=3.5; a=sim(net,p);%對(duì)新的數(shù)據(jù)點(diǎn)進(jìn)行仿真對(duì)新的數(shù)據(jù)點(diǎn)進(jìn)行仿真 plot(p,a,+,markersize,10,color,1 0 0);%畫出測(cè)試點(diǎn)畫出測(cè)試點(diǎn) xlabel(P和和p); ylabel(T和和a);一、廣義回歸神經(jīng)網(wǎng)絡(luò)一、廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN) 第7頁/共23頁第八頁，編輯于星期二：六點(diǎn) 二分。一、廣義回歸神經(jīng)網(wǎng)絡(luò)一、廣義回歸神經(jīng)網(wǎng)絡(luò)(

5、GRNN) 第8頁/共23頁第九頁，編輯于星期二：六點(diǎn) 二分。 P2=0:0.1:9; A2=sim(net,P2); plot(P2,A2,linewidth,4,color,1 0 0);%繪制擬合曲線繪制擬合曲線 title(函數(shù)逼近函數(shù)逼近); xlabel(P和和P2); ylabel(T和和A2);一、廣義回歸神經(jīng)網(wǎng)絡(luò)一、廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN) 第9頁/共23頁第十頁，編輯于星期二：六點(diǎn) 二分。一、廣義回歸神經(jīng)網(wǎng)絡(luò)一、廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN) 第10頁/共23頁第十一頁，編輯于星期二：六點(diǎn) 二分。二、概率神經(jīng)網(wǎng)絡(luò)二、概率神經(jīng)網(wǎng)絡(luò)(PNN)1、PNN網(wǎng)絡(luò)的結(jié)構(gòu)網(wǎng)絡(luò)的結(jié)構(gòu)輸入

6、層徑向基神經(jīng)元輸入層徑向基神經(jīng)元 競(jìng)爭(zhēng)層競(jìng)爭(zhēng)層第11頁/共23頁第十二頁，編輯于星期二：六點(diǎn) 二分。2、PNN網(wǎng)絡(luò)的設(shè)計(jì)網(wǎng)絡(luò)的設(shè)計(jì)u調(diào)用格式：調(diào)用格式： net = newpnn(P,T,SPREAD)u功能描述：設(shè)計(jì)一個(gè)功能描述：設(shè)計(jì)一個(gè)PNN網(wǎng)絡(luò)網(wǎng)絡(luò)u參數(shù)說明：參數(shù)說明： PQ個(gè)個(gè)R維輸入向量組成的維輸入向量組成的RxQ矩陣矩陣. TQ個(gè)個(gè)S維期望輸出向量組成的維期望輸出向量組成的SxQ矩陣矩陣. SPREAD徑向基層的散布常數(shù)徑向基層的散布常數(shù),缺省值為缺省值為1.二、概率神經(jīng)網(wǎng)絡(luò)二、概率神經(jīng)網(wǎng)絡(luò)(PNN)第12頁/共23頁第十三頁，編輯于星期二：六點(diǎn) 二分。二、概率神經(jīng)網(wǎng)絡(luò)二、概率神經(jīng)

7、網(wǎng)絡(luò)(PNN)例例2：已知三組二維向量：已知三組二維向量 P=1 2; 2 2; 1 1以及其相對(duì)應(yīng)的三個(gè)類別以及其相對(duì)應(yīng)的三個(gè)類別 Tc=1 2 3構(gòu)建一個(gè)構(gòu)建一個(gè)PNN網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)輸入向量進(jìn)網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)輸入向量進(jìn)行正確分類。行正確分類。第13頁/共23頁第十四頁，編輯于星期二：六點(diǎn) 二分。二、概率神經(jīng)網(wǎng)絡(luò)二、概率神經(jīng)網(wǎng)絡(luò)(PNN)第14頁/共23頁第十五頁，編輯于星期二：六點(diǎn) 二分。二、概率神經(jīng)網(wǎng)絡(luò)二、概率神經(jīng)網(wǎng)絡(luò)(PNN)第15頁/共23頁第十六頁，編輯于星期二：六點(diǎn) 二分。二、概率神經(jīng)網(wǎng)絡(luò)二、概率神經(jīng)網(wǎng)絡(luò)(PNN)第16頁/共23頁第十七頁，編輯于星期二：六點(diǎn) 二分。%網(wǎng)絡(luò)設(shè)計(jì)網(wǎng)絡(luò)設(shè)計(jì) T

8、=ind2vec(Tc);%將類別指針轉(zhuǎn)換為向量將類別指針轉(zhuǎn)換為向量T spread=1; net=newpnn(P,T,spread);%測(cè)試網(wǎng)絡(luò)測(cè)試網(wǎng)絡(luò) A=sim(net,P); Ac=vec2ind(A);二、概率神經(jīng)網(wǎng)絡(luò)二、概率神經(jīng)網(wǎng)絡(luò)(PNN)第17頁/共23頁第十八頁，編輯于星期二：六點(diǎn) 二分。 plot(P(1,:),P(2,:),.,markersize,30); axis(0 3 0 3); for i=1:3,text(P(1,i)+0.1,P(2,i), sprintf(class%g,Ac(i),end; title(網(wǎng)絡(luò)測(cè)試結(jié)果網(wǎng)絡(luò)測(cè)試結(jié)果); xlabel(P(1

9、,:); ylabel(P(2,:);二、概率神經(jīng)網(wǎng)絡(luò)二、概率神經(jīng)網(wǎng)絡(luò)(PNN)第18頁/共23頁第十九頁，編輯于星期二：六點(diǎn) 二分。二、概率神經(jīng)網(wǎng)絡(luò)二、概率神經(jīng)網(wǎng)絡(luò)(PNN)第19頁/共23頁第二十頁，編輯于星期二：六點(diǎn) 二分。%對(duì)新的向量分類對(duì)新的向量分類 p=2;1.5; a=sim(net,p); ac=vec2ind(a); hold on; plot(P(1,:),P(2,:),.,markersize, 10,color,1 0 0);二、概率神經(jīng)網(wǎng)絡(luò)二、概率神經(jīng)網(wǎng)絡(luò)(PNN)第20頁/共23頁第二十一頁，編輯于星期二：六點(diǎn) 二分。 text(p(1)+0.1,p(2), sprintf(class%g,ac); hold off; title(對(duì)新向量分類對(duì)新向量分類);