资源描述：
《《神经网络实用教程》配套实验教程讲解与源码.ppt》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、实验二Matlab快速入门讲解实验二MATLAB快速入门实验二MATLAB快速入门3、使用MATLAB中的条件语句和循环语句，编程实现下面的功能：从1累加到20，即：1+2+3+4+…+20，当累加和超过30时，跳出FOR循环，在命令窗口中输出此时的累加次数和累加值。演示程序sum=0;fori=1:20sum=sum+i;ifsum>30%break;disp('sumis30')fprintf('%2d,sum')x=1continue;endendisum实验二MATLAB快速入门4、神经网络常用的
2、激活函数有S型、对数S型、线性型和硬限幅等，在MATLAB中有tansig()、logsig()、purelin()和hardlim()四个函数对应，请使用MATLAB编程，按下画所示图形，画出四个激活函数的图形。演示程序x=-10:0.2:10;y1=tansig(x);y2=logsig(x);y3=purelin(x);y4=hardlim(x);h=figure('name','这是一个显示多个激活函数图形的程序');subplot(2,2,1);%绘制第一个图形hnd1=plot(x,y1);%
3、设置图形线条宽度set(hnd1,'linewidth',1);%设置图形线条颜色set(hnd1,'color','red');title('S型激活函数');legend('tansig');gridon%设置第二个图形的绘图位置为第一行第二列subplot(2,2,2);hnd2=plot(x,y2);%设置图形线条宽度set(hnd2,'linewidth',2);%设置图形线条颜色set(hnd2,'color','green');title('对数S型激活函数');legend('logsig
4、');gridon%设置第三个图形的绘图位置为第二行第一列subplot(2,2,3);hnd3=plot(x,y3);%设置图形线条宽度set(hnd3,'linewidth',3);%设置图形线条颜色set(hnd3,'color','blue');title('线性激活函数');legend('purelin');gridon%设置第四个图形的绘图位置为第二行第二列subplot(2,2,4);hnd4=plot(x,y4);%设置图形线条宽度set(hnd4,'linewidth',4);%设置图
5、形线条颜色set(hnd4,'color','yellow');title('硬限幅激活函数');legend('hardlim');gridon谢谢！实验三单层感知器的构建与使用讲解实验三单层感知器的构建与使用实验三单层感知器的构建与使用1、已经对逻辑与的单层感知器实现的权值调整计算过程进行了讲解，请使用MATLAB语言编写程序，实现单层感知器对逻辑与进行分类。演示程序1%实验三第1题演示程序%设计并训练一个对与运算进行分类的单层感知器%神经网络并输出分类结果。%给定训练样本数据P=[0011;0101
6、];%给定样本数据所对应的类别，用1和0来表示两种类别T=[0001];%创建一个有两个输入、样本数据的取值范围都在[0，1]之间，%并且网络只有一个神经元的感知器神经网络net=newp([01;01],1);%设置网络的最大训练次数为20次，即训练20次后结束训练net.trainParam.epochs=20;%使用训练函数对创建的网络进行训练net=train(net,P,T);演示程序1%对训练后的网络进行仿真，即根据训练后的网络和样本数据%给出输出a=net.b{1};b=net.iw{1};
7、Y=sim(net,P);%计算网络的平均绝对误差，表示网络错误分类E1=mae(Y-T);%给定测试数据，检测训练好的神经网络的性能Q=[1010;0110];%使用测试数据，对网络进行仿真，仿真输出即为分类的结果Y1=sim(net,Q);%创建一个新的绘图窗口演示程序1figure;%设置绘图范围，在坐标图中绘制测试数据点，并根据数据%所对应的类别用约定的符号画出v=[-0.52-0.52];plotpv(Q,Y1,v);%利用权值和阈值，在坐标图中绘制分类线%plotpc(net.iw{1},ne
8、t.b{1})%为更清楚的看到分类，可以给阈值加一个小的偏移量plotpc(net.iw{1},net.b{1}+0.1)实验三单层感知器的构建与使用2、现需要对一组数据进行分类,设样本数据的输入数据为P=[-0.4-0.50.6-0.1;0.900.10.5],其期望值为T=[1101],请构建一个单层感知器对数据进行分类,并用测试数据Q=[0.60.9-0.10.7;-0.1-0.50.5-0.3]对构建好的神经网络进行测
