查看: 2548|回复: 0

matlab利用神经网络分类

字体大小: 正常放大

1198 主题	4 听众	2978 积分

该用户从未签到

电梯直达

1^#

发表于 2023-12-23 10:21 |只看该作者 |倒序浏览

|招呼Ta 关注Ta

%利用神经网络进行分类6 i; r+ B, l9 D& H
clear all4 i8 p Y& b. k2 P% Z
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;...
% [+ j# K# }/ P% u% }* K! \
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];
1 O: u! L; j$ p9 R( H0 p
y=[1 1 1 1 1 1 1 1 1 0 0 0 0 0 0;...
8 q: ~/ M# p- \9 b3 Y2 E
0 0 0 0 0 0 0 0 0 1 1 1 1 1 1];
2 e$ Q9 C+ q0 T, R; ?1 R
xmin1=min(x(1,:));/ _$ b8 d8 E* E2 X( w1 o' [) N* G
xmax1=max(x(1,:));
- K0 A/ g5 G, v9 t) y8 ]9 @4 _- ]
xmin2=min(x(2,:));9 @! Y. @, V @$ _- `5 }
xmax2=max(x(2,:));- x5 Z _: q/ s3 l$ S: k I; S1 L/ w
%设定迭代次数 d+ z+ B) t; x& H% ~6 J
net.trainparam.epochs=10000;
/ G# p7 o, f& {# A( X* d9 ?
%网络初始化3 c7 T4 O+ {+ ?3 C5 H2 {) |5 q
net=newff([xmin1,xmax1;xmin2,xmax2],[8,8,8,8,2],{'tansig','logsig','logsig','tansig','tansig'});' ~% A& }3 X- j: V) J- J; E
%训练网络
% ]7 e5 I/ U( A: V0 n1 s
[net,tr,y1,e]=train(net,x,y);
5 g& }. \3 ^# `. v# v6 F- a
5 T3 }- u4 I4 V9 v
X=[1.24 1.28 1.40;...
1 t L4 P. a$ v8 r% W6 z3 @( R$ H: n
1.80 1.84 2.04];; S* _\" P7 h& o
%网络泛化\" k2 C- q6 D% q- G) o2 w9 `
y2=sim(net,X)
! @+ n8 J% o' Z' i
! `1 g- W8 C% H# e/ B# T: e, N\" o
plot(x(1,1:9),x(2,1:9),'o',x(1,10:15),x(2,10:15),'*',X(1,:),X(2,:),'v')4 m& X\" I* G0 P
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：

1.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。
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。
6.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。
8.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。

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。