资源描述：
《人工智能利用BP网络对26个字母进行识别.docx》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、人工智能利用BP网络对26个字母进行识别（matlab）>>clear;%清除工作区中的变量[alphabet,targets]=prprob;%通过prprob函数得到训练字母集和目标集[R,Q]=size(alphabet);%取得字母集的维数[S2,Q]=size(targets);%取得目标集的维数，在这里目标集是26个二进制数。分别代表A~ZS1=10;%隐含层个数net=newff(minmax(alphabet),[S1S2],{'logsig''logsig'},'traingdx');%创建神经网络，两层，函数为Logsig。net.LW{2,1
2、}=net.LW{2,1}*0.01;%设定权值net.b{2}=net.b{2}*0.01;%设定偏差向量net.performFcn='sse';%运用和平方最小误差方式net.trainParam.goal=0.1;%训练精度目标为0.1net.trainParam.epochs=5000;%迭代5000次net.trainParam.mc=0.95;%冲量为0.95P=alphabet;%训练集T=targets;%目标集[net,tr]=train(net,P,T);%训练网络netn=net;%创建带有噪声的网络netn.trainParam.goal
3、=0.6;%训练精度目标为0.6netn.trainParam.epochs=300;%迭代300次T=[targetstargetstargetstargets];%扩展目标集forpass=1:10fprintf('Pass=%.0f',pass);P=[alphabet,alphabet,...(alphabet+randn(R,Q)*0.1),...(alphabet+randn(R,Q)*0.2)];%将训练集加入噪声[netn,tr]=train(netn,P,T);%训练带有噪声的神经网络endnetn.trainParam.goal=0.1;%
4、训练精度目标为0.1netn.trainParam.epochs=500;%迭代500次P=alphabet;%重设训练集T=targets;%重设目标集[netn,tr]=train(netn,P,T);%训练代有噪声的神经网络noise_range=0:.05:.5;%设定噪声max_test=100;network1=[];network2=[];T=targets;%设定目标集fornoiselevel=noise_rangefprintf('Testingnetworkswithnoiselevelof%.2f.',noiselevel);error
5、s1=0;errors2=0;fori=1:max_testP=alphabet+randn(35,26)*noiselevel;%仿真集加入噪声A=sim(net,P);%对用无噪声训练的网络进行仿真AA=compet(A);%输出为1的那个对应输入向量为竞争获胜的输入向量errors1=errors1+sum(sum(abs(AA-T)))/2;%计算误差An=sim(netn,P);%对用有噪声训练的网络进行仿真AAn=compet(An);%输出为1的那个对应输入向量为竞争获胜的输入向量errors2=errors2+sum(sum(abs(AAn-T))
6、)/2;%计算误差endnetwork1=[network1errors1/26/100];%计算出Network1的误差network2=[network2errors2/26/100];%计算出Network2的误差endplot(noise_range,network1*100,'--',noise_range,network2*100,'*');%打出效果图title('误差百分数');xlabel('噪声水平');ylabel('Network1--Network2**');noisyF=alphabet(:,6)+randn(35,1)*0.2;plo
7、tchar(noisyF)A1=sim(net,noisyF);plotchar(noisyF);plotchar(noisyF);figure;A=sim(net,P);A1=sim(net,noisyF);A1=compet(A2);A1=compet(A1);plotchar(noisyF);figure;A2=sim(netn,noisyF);A2=compet(A2);plotchar(noisyF);figureplotchar(A2)figureplotchar(A1);TRAINGDX,Epoch0/5000,SSE168.447/0.1,Grad
8、ient4
