模式识别实验四

《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。