实验2、感知器神经网络实验指导.doc

《实验2、感知器神经网络实验指导.doc》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、实验二、感知器神经网络一、实验目的及要求1、掌握感知器网络的基本概念和训练方法。2、掌握感知器网络的基本应用。3、掌握Matlab对感知器网络的构建与训练方法。4、掌握利用程序设计语言对感知器网络进行实现的方法。二、实验原理1、感知器网络模型⑴拓扑结构对于一个样本：网络输入：网络输出：实际输出期望输出（导师信号）网络权值：阈值：⑵转移函数（符号函数）或者（阈值函数）⑶学习规则（Perceptron）权值和阈值的变化量即：2、Matlab对感知器网络的构建与训练例一、多个感知器神经元的分类问题建立一个具有两个输入，两个感知器神经

2、元（二维输出）的感知器神经网络，区分四类输入向量。，，；，；，，；，；测试数据图X=[0.10.70.80.81.00.30.0-0.3-0.5-1.5;1.21.81.60.60.80.50.20.8-1.5-1.3];O=[1110011100;0000011111];net=newp([-1.51;-1.51],2);net.trainParam.epochs=20;%设置网络最大训练次数为20次net=train(net,X,O);%使用训练函数对创建的网络进行训练figure;%创建一个新的绘图窗口plotpv(X,

3、O);%在坐标图中绘制测试数据plotpc(net.iw{1,1},net.b{1,1});%在坐标轴中绘制分类线训练误差曲线训练后的分类例二、奇异样本对感知器神经网络训练的影响给出输入向量和期望输出向量：，，；，测试数据图X=[-0.5-0.50.3-0.1-30;-0.50.5-0.51.040];O=[11001];net=newp([-301;-0.540],1);net.trainParam.epochs=30;%设置网络最大训练次数为30次net=train(net,X,O);%使用训练函数对创建的网络进行训练fi

4、gure;%创建一个新的绘图窗口plotpv(X,O);%在坐标图中绘制测试数据plotpc(net.iw{1,1},net.b{1,1});%在坐标轴中绘制分类线训练误差曲线训练后的分类net=newp([-301;-0.540],1,’hardlim’,’learnpn’);%使用标准化感知器学习规则误差曲线例三、线性不可分的输入向量给出输入向量和期望输出向量：，；，，测试数据图X=[-0.5-0.50.30-0.6;-0.50.5-0.41.10.1];O=[11000];net=newp([-0.51;-0.51],1

5、);net.trainParam.epochs=50;net=train(net,X,O);figure;plotpv(X,O);plotpc(net.iw{1,1},net.b{1,1});误差曲线训练后的分类3、程序设计语言实现感知器网络的类图三、原理实现与结果1、将上述代码自行敲入Matlab编程环境，切勿采用拷贝方式，否则效果很差！观察实验结果将自身感受写入实验报告中。2、根据类图写出实现代码并判断下列样本的线性可分问题。第一类样本：、、、第二类样本：、、、、、