欢迎来到天天文库
浏览记录
ID:24068743
大小:200.43 KB
页数:4页
时间:2018-11-12
《模式识别实验四》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、实验4用人工神经网络对二维样本分类一、实验目的:1.掌握人工神经网络的运行机理、参数设置和模型选择等;2.熟悉感知器的原理、特性与功能;3.熟悉误差反传网的原理、特性与功能;4.熟悉径向基函数网的原理、特性与功能;二、实验内容与原理:1.观察人工神经元的输出随权值w与的变化;2.生成两类样本,然后用感知器对两类样本进行分类;3.用误差反传网实现函数逼近,观察参数设置和拓扑结构对逼近性能的影响;4.用径向基函数网逼近任意函数;三、实验器材(设备、元器件、软件工具、平台):1.PC机一系统最低配置512M内存、P4CPU;2.Matlab仿真
2、软件一7.0/7.1/2006a等版本的Matlab软件。四、实验步骤:1.在MATLAB命令行状态下,键入DEMO并按回车键;得到如图2-2所示的界面。然后点击“Toolboxes”,打开MATLAB工具箱。再点击“Neuralnetworks”,选定神经网络工具箱。2.观察并记录人工神经元(Neurons)的将性与功能。3.观察并记录感知器(Perceptions)的特性与功能。4.观察并记录误差反传网(BackpropagationNetworks)的特性与功能。五、实验数据及结果分析:观察并记录社向基函数网(RadialBasis
3、Networks)的特性与功能(1)P=-l:.l:l;T=[-.9602-.5770-.0729.3771.6405.6600.4609....1336-.2013'4344-.5000'3930-.1647.0988....3072.3960.3449.1816-.0312-.2189-.3201];plot(P,T,.+’);title(’TrainingVectors’);xlabel(’InputVectorP’);ylabel('TargetVectorT’);{42o.o.o.iJOo9>o6JelO.2.4-O.-O.68
4、-O.-O.--iIi+++++++++++++++++++•1-0.8-0.6-04-0.200.2040.60.81InputVectorP(2)p=-3:.l:3;a=radbas(p);plot(p,a)titlefRadialBasisTransferFunction*);xlabel(’lnputp’);ylabelfOutputa’);.
5、n
6、x
7、FileEditViewInsertlootsDesktopyrtndowHelp□(^raa叹负#!□Il]
8、qoRadialBasisTransferFunctionutIn(
9、3)a2=radbas(p-1.5);a3=radbas(p+2);»Figure1-
10、n.x
11、FileEditViewInsertToolsDesktopWindowHelp□@31fe□sQ□TrainingVectorsa4=a+a2*l+a3*0.5;plot(p,a:b-',p,a2/b--',p,a3,'b--’,p,a4,’m-’)titlefWeightedSumofRadialBasisTransferFunctions’);xlabel(’I叩utp’);ylabel(’Outputa);RleEdtWewInsert
12、loolsDesktopWindowHelps□0H□WeightedSumofRadialBasisTransferFunctionsInputp2oeIndlno(4)eg=0.02;%sum-squarederrorgoalsc=1;%spreadconstantnet=newrb(P,T,eg,sc);plot(P,T;+');xlabel(’Inpuf);X=-l:.01:l;Y=sim(net,X);holdon;plot(X,Y);holdoff;legend({'Target'/Output'})NEWRB,neurons
13、=0,SSE=3.69051六、实验结论:本次实验使我掌握人工神经网络的运行机理、参数设置和模型选择等;熟悉感知器的原理、特性与功能等等相关的知识。
此文档下载收益归作者所有