matlab利用神经网络分类

2744557306

1. %利用神经网络进行分类7 R0 q: P+ ^' O( s
   
2. clear all
   6 @# q! D; o4 I
3. x=[1.24 1.36 1.38 1.38 1.38 1.40 1.48 1.54 1.56 1.14 1.18 1.20 1.26 1.28 1.30;...7 J/ e1 K, ~6 b5 [. T$ z9 ?$ n
   
4.     1.72 1.74 1.64 1.82 1.90 1.70 1.82 1.82 2.08 1.78 1.96 1.86 2.0 2.0 1.96];
   . R- N% w, y$ h  e  z
5. y=[1 1 1 1 1 1 1 1 1 0 0 0 0 0 0;...: e, {0 K+ ~/ @\" b4 g# x
   
6.    0 0 0 0 0 0 0 0 0 1 1 1 1 1 1];
   9 C2 T7 r5 i, J5 F3 A9 q
7. xmin1=min(x(1,:));
   4 U) p( a0 f( i4 S9 ~7 p
8. xmax1=max(x(1,:));
   ( T* o2 a/ u$ C1 }# U\" a
9. xmin2=min(x(2,:));, }& x/ k% Q' ^  }' S
   
10. xmax2=max(x(2,:));
    5 ]7 |* F0 c& ?8 h! ]& Z6 b
11. %设定迭代次数$ z8 ~( Z( L5 [
    
12. net.trainparam.epochs=10000;
    $ u# l9 _  ]1 J6 u
13. %网络初始化% m: `7 S! m; S1 F. ]- |$ }* d3 T
    
14. net=newff([xmin1,xmax1;xmin2,xmax2],[8,8,8,8,2],{'tansig','logsig','logsig','tansig','tansig'});
    1 a- U/ z9 w0 v: _$ U
15. %训练网络
    + i( N3 m: _4 H8 {6 B1 ~) N
16. [net,tr,y1,e]=train(net,x,y);# }1 `3 @  a! b+ E
    
17. 
    4 ^& O+ t9 E* Z9 H5 Z
18. X=[1.24 1.28 1.40;...
    ' `* e% G  M+ R\" i  ]
19.     1.80 1.84 2.04];
    + t\" ^% B7 w  V5 N  z
20. %网络泛化/ G) k! i: U( Q( L) t2 o
    
21. y2=sim(net,X)& H' n1 j  K1 f; _, F' R
    
22. 
    5 J7 ]# o7 p; `$ l* M* t& B* Q0 B
23. plot(x(1,1:9),x(2,1:9),'o',x(1,10:15),x(2,10:15),'*',X(1,:),X(2,:),'v')0 J: c9 D: o) s% d+ M\" \. J
    
24. grid on

复制代码

这段Matlab代码实现了一个简单的神经网络的训练和泛化。以下是代码的逐行解释：
5 e0 U, W3 {% a3 X# X  G1 e
. p+ ?! P3 y* A! p1.clear all: 清除当前工作区的所有变量。
2.x: 输入数据，是一个2x15的矩阵，其中第一行是一组样本的x坐标，第二行是对应的y坐标。
5 b/ a- i8 H, U9 ~9 G3 |3.y: 目标输出，是一个2x15的矩阵，其中第一行表示类别1，第二行表示类别2。
4.xmin1, xmax1, xmin2, xmax2: 计算输入数据的最小和最大值，用于神经网络的输入范围。
5.net.trainparam.epochs=10000;: 设定神经网络的训练迭代次数为10000次。
4 F) A6 ~0 a! h) A9 l0 `- j$ f* V6.net=newff([xmin1,xmax1;xmin2,xmax2],[8,8,8,8,2],{'tansig','logsig','logsig','tansig','tansig'});: 创建一个前馈神经网络。[xmin1,xmax1;xmin2,xmax2]指定了输入范围，[8,8,8,8,2]指定了每个隐藏层的节点数，{'tansig','logsig','logsig','tansig','tansig'}指定了每一层的激活函数。
7.[net,tr,y1,e]=train(net,x,y);: 训练神经网络。train函数返回了训练后的网络 net，训练记录 tr，输出 y1 和误差 e。
/ ]2 F7 c1 v# c. ?$ H8.X: 用于泛化的新输入数据，是一个2x3的矩阵。
9.y2=sim(net,X): 使用训练好的神经网络对新输入数据进行泛化，得到输出 y2。
10.plot(x(1,1:9),x(2,1:9),'o',x(1,10:15),x(2,10:15),'*',X(1,,X(2,,'v'): 绘制样本数据和泛化数据的散点图。前9个样本用圆圈表示，后6个用星号表示，泛化数据用倒三角表示。
11.grid on: 显示网格。

; ^  g. h* z' f1 m$ ^9 _" ]这段代码创建了一个包含输入层、四个隐藏层和输出层的神经网络，然后使用样本数据进行训练，并用新的数据进行泛化。最后，通过散点图可视化了样本数据和泛化数据。
  [, t* r  s+ h& z" z2 L6 ~4 o3 D

' G" j! Y2 S- Y5 ^' _