《神经网络实验七.ppt》由会员分享，可在线阅读，更多相关《神经网络实验七.ppt（23页珍藏版）》请在三一办公上搜索。
1、神经网络实验课件,实验七广义回归神经网络与概率神经网络的设计,、GRNN网络结构输入层径向基神经元 线性层,一、广义回归神经网络(GRNN),2、GRNN网络的设计调用格式：net=newgrnn(P,T,SPREAD)功能描述：设计一个GRNN网络参数说明：PQ个R维输入向量组成的RQ矩阵.TQ个S维期望输出向量组成的SQ矩阵.SPREAD径向基层的散布常数，缺省值为1.,一、广义回归神经网络(GRNN),例1：已知8个样本点，用GRNN网络对该样本进行函数逼近 P=1 2 3 4 5 6 7 8;%输入变量值 T=0 1 2 3 2 1 2 1;%期望输出 plot(P,T,.,marke
2、rsize,30);%在坐标系中画出样本点 axis(0 9-1 4);%调整坐标平面显示区域 title(待逼近函数);%图像标题 xlabel(P);%给横轴标注 ylabel(T);%给纵轴标注,一、广义回归神经网络(GRNN),一、广义回归神经网络(GRNN),spread=0.7;%确定散布常数 net=newgrnn(P,T,spread);%设计网络 A=sim(net,P);%网络仿真 hold on;outputline=plot(P,A,O,markersize,10,color,1 0 0);%画出测试结果 title(检测网络);xlabel(P);ylabel(T和A
3、);,一、广义回归神经网络(GRNN),一、广义回归神经网络(GRNN),p=3.5;a=sim(net,p);%对新的数据点进行仿真 plot(p,a,+,markersize,10,color,1 0 0);%画出测试点 xlabel(P和p);ylabel(T和a);,一、广义回归神经网络(GRNN),一、广义回归神经网络(GRNN),P2=0:0.1:9;A2=sim(net,P2);plot(P2,A2,linewidth,4,color,1 0 0);%绘制拟合曲线 title(函数逼近);xlabel(P和P2);ylabel(T和A2);,一、广义回归神经网络(GRNN),一、
4、广义回归神经网络(GRNN),二、概率神经网络(PNN),1、PNN网络的结构输入层径向基神经元 竞争层,2、PNN网络的设计调用格式：net=newpnn(P,T,SPREAD)功能描述：设计一个PNN网络参数说明：PQ个R维输入向量组成的RxQ矩阵.TQ个S维期望输出向量组成的SxQ矩阵.SPREAD径向基层的散布常数,缺省值为1.,二、概率神经网络(PNN),二、概率神经网络(PNN),例2：已知三组二维向量 P=1 2;2 2;1 1以及其相对应的三个类别 Tc=1 2 3构建一个PNN网络实现对输入向量进行正确分类。,二、概率神经网络(PNN),%绘制出输入向量及其类别 P=1 2;
5、2 2;1 1;Tc=1 2 3;plot(P(1,:),P(2,:),.,markersize,30);axis(0 3 0 3);,二、概率神经网络(PNN),for i=1:3,text(P(1,i)+0.1,P(2,i),sprintf(class%g,Tc(i),end title(三个向量及类别);xlabel(P(1,:);ylabel(P(2,:);,二、概率神经网络(PNN),%网络设计 T=ind2vec(Tc);%将类别指针转换为向量T spread=1;net=newpnn(P,T,spread);%测试网络 A=sim(net,P);Ac=vec2ind(A);,二、
6、概率神经网络(PNN),plot(P(1,:),P(2,:),.,markersize,30);axis(0 3 0 3);for i=1:3,text(P(1,i)+0.1,P(2,i),sprintf(class%g,Ac(i),end;title(网络测试结果);xlabel(P(1,:);ylabel(P(2,:);,二、概率神经网络(PNN),二、概率神经网络(PNN),%对新的向量分类 p=2;1.5;a=sim(net,p);ac=vec2ind(a);hold on;plot(P(1,:),P(2,:),.,markersize,10,color,1 0 0);,二、概率神经网络(PNN),text(p(1)+0.1,p(2),sprintf(class%g,ac);hold off;title(对新向量分类);xlabel(P(1,:)与p(1,:);ylabel(P(2,:)与p(2,:);,二、概率神经网络(PNN),二、概率神经网络(PNN),
