神经网络实验七

a
Biblioteka Baidu
8
一、广义回归神经网络(GRNN)
a
9
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');
%绘制出输入向量及其类别 >> P=[1 2;2 2;1 1]'; >> Tc=[1 2 3]; >> plot(P(1,:),P(2,:),'.','markersize',30); >> axis([0 3 0 3]);
a
15
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
P—Q个R维输入向量组成的R×Q矩阵. T—Q个S维期望输出向量组成的S×Q矩阵. SPREAD—径向基层的散布常数，缺省值为
1.
a
3
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]; >> T=[0 1 2 3 2 1 2 1];
a
22
二、概率神经网络(PNN)
a
23
T—Q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.
a
13
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。
a
14
二、概率神经网络(PNN)
>> A=sim(net,P);
>> Ac=vec2ind(A);
a
18
二、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');
10,'color',[1 0 0]);
a
21
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,:)');
a
10
一、广义回归神经网络(GRNN)
a
11
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
a
12
二、概率神经网络(PNN)
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：
P—Q个R维输入向量组成的RxQ矩阵.
'color',[1 0 0]);
%画出测试结果
>> title('检测网络');
>> xlabel('P');
>> ylabel('T和A');
a
6
一、广义回归神经网络(GRNN)
a
7
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');
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
a
1
一、广义回归神经网络(GRNN)
１、GRNN网络结构
输入层 径向基神经元
线性层
a
2
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：
%输入变量值 %期望输出
>> plot(P,T,'.','markersize',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a 纵轴标注
4
一、广义回归神经网络(GRNN)
a
5
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, …
>> xlabel('P(1,:)');
>> ylabel('P(2,:)');
a
19
二、概率神经网络(PNN)
a
20
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',…
>> title('三个向量及类别'); >> xlabel('P(1,:)'); >> ylabel('P(2,:)');
a
16
二、概率神经网络(PNN)
a
17
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