分享 Archives - Taste Stars

神经网络自适应调节函数adapt

joanna 2017年4月14日

clear all;
p1={-1 0 1 0 1 1 -1 0 -1 1 0 1};
t1={-1 -1 1 1 1 2 0 -1 -1 0 1 1};
net=linearlayer([0 1],0.1)
%创建一个线性层，输入范围为【-1,1】，0和1的输入延迟，学习率为0.1
[net,y,e,pf]=adapt(net,p1,t1);
mse(e);

1

2

3

4

5

6

7

8

clear all;

p1={-1 0 1 0 1 1 -1 0 -1 1 0 1};

t1={-1 -1 1 1 1 2 0 -1 -1 0 1 1};

net=linearlayer([0 1],0.1)

%创建一个线性层，输入范围为【-1,1】，0和1的输入延迟，学习率为0.1

[net,y,e,pf]=adapt(net,p1,t1);

mse(e);

输出： ans = 0.7006 linea […]

Be the First to comment. Read More

Matlab学习

用trainb函数来训练网格

joanna 2017年4月14日

clear all;
p=[0 1 2 3 4 5];
t=[0 0 0 1 1 1];
net=feedforwardnet(3,'trainb'); %三个神经元，用trainb算法来算
net=train(net,p,t);
y=net(p);
plot(p,t,'o',p,y,'X');

1

2

3

4

5

6

7

clear all;

p=[0 1 2 3 4 5];

t=[0 0 0 1 1 1];

net=feedforwardnet(3,'trainb'); %三个神经元，用trainb算法来算

net=train(net,p,t);

y=net(p);

plot(p,t,'o',p,y,'X');

注释1：关于feedforwardnet训 […]

Be the First to comment. Read More

Matlab学习

两层前馈网络的实现

joanna 2017年4月14日

clear all;
x=[0 1 2 3 4 5 6 7 8];
t=[0 0.84 0.91 0.14 -0.77 -0.96 -0.28 0.66 0.99];
plot(x,t,'o');
net=feedforwardnet(10); %创建两层前反馈网络，有10元
net=configure(net,x,t);
y1=net(x)
plot(x,t,'o',x,y1,'x');
%%此时的y1： = -1.8260   -0.1460    1.5486    2.1347    3.5209    4.6727    4.3351    3.4458    4.0257
net=train(net,x,t); %对网络进行训练
y2=net(x);
plot(x,t,'o',x,y1,'x',x,y2,'*');
%%此时的y2： -0.5608    0.8365   -0.3636    0.1337   -0.7477   -0.9427   -0.3031    0.6589  0.9676

1

2

3

4

5

6

7

8

9

10

11

12

13

14

clear all;

x=[0 1 2 3 4 5 6 7 8];

t=[0 0.84 0.91 0.14 -0.77 -0.96 -0.28 0.66 0.99];

plot(x,t,'o');

net=feedforwardnet(10); %创建两层前反馈网络，有10元

net=configure(net,x,t);

y1=net(x)

plot(x,t,'o',x,y1,'x');

%%此时的y1： = -1.8260 -0.1460 1.5486 2.1347 3.5209 4.6727 4.3351 3.4458 4.0257

net=train(net,x,t); %对网络进行训练

y2=net(x);

plot(x,t,'o',x,y1,'x',x,y2,'*');

%%此时的y2： -0.5608 0.8365 -0.3636 0.1337 -0.7477 -0.9427 -0.3031 0.6589 0.9676

Be the First to comment. Read More

Matlab学习

我的第一个Matlab神经网络小程序

joanna 2017年4月13日

实现了一个二维向量的感知网络：

clear all;
net=newp([-2,2;-2,2],1);
net.IW{1,1}=[-1,1]
net.b{1}=[1];
p1=[1;1];
a1=sim(net,p1);
p2=[1;-1];
a2=sim(net,p2);
p3={[1;1],[1;-1]};
a3=sim(net,p3);

1

2

3

4

5

6

7

8

9

10

clear all;

net=newp([-2,2;-2,2],1);

net.IW{1,1}=[-1,1]

net.b{1}=[1];

p1=[1;1];

a1=sim(net,p1);

p2=[1;-1];

a2=sim(net,p2);

p3={[1;1],[1;-1]};

a3=sim(net,p3);

对应输出为： […]

Be the First to comment. Read More

Taste Stars

标签：分享

神经网络自适应调节函数adapt

用trainb函数来训练网格

两层前馈网络的实现

我的第一个Matlab神经网络小程序

About Author

JOANNA JIANG

心愿

近期文章

分类目录