感知器神经网络算法实验资源-CSDN文库

共31个文件

cs：10个

exe：3个

cache：2个

神经网络，BP算法，感知器

需积分: 9 182 浏览量 2009-07-23 15:04:49 上传评论收藏 434KB RAR 举报

资源推荐

资源详情

资源评论

收起资源包目录

package

2 感知器神经网络.rar （31个子文件）

folder

实验2 感知器神经网络

实验报告-感知器神经网络.doc 29KB

folder

Perceptron

Neuron.cs 1KB

Form1.cs 5KB

folder

bin

folder

Debug

Perceptron.pdb 42KB

Perceptron.vshost.exe 6KB

ZedGraph.dll 304KB

Perceptron.exe 28KB

folder

obj

Perceptron.csproj.FileList.txt 313B

folder

Debug

ResolveAssemblyReference.cache 5KB

Perceptron.pdb 42KB

Perceptron.csproj.GenerateResource.Cache 842B

Perceptron.Form1.resources 180B

folder

Refactor

folder

TempPE

Perceptron.Properties.Resources.resources 180B

Perceptron.exe 28KB

Perceptron.csproj.FileListAbsolute.txt 5KB

folder

Properties

Resources.Designer.cs 3KB

Settings.settings 249B

Resources.resx 5KB

Settings.Designer.cs 1KB

AssemblyInfo.cs 1KB

Program.cs 469B

Form1.Designer.cs 7KB

ZedGraph.dll 304KB

TrainingData.cs 669B

Form1.resx 6KB

Perceptron.cs 3KB

TransferFunction.cs 670B

Perceptron.sln 908B

Perceptron.suo 20KB

Perceptron.csproj 4KB

实验2、感知器神经网络实验指导.pdf 258KB

- 1 -

实验二、感知器神经网络

一、实验目的及要求

1、掌握感知器网络的基本概念和训练方法。

2、掌握感知器网络的基本应用。

3、掌握 Matlab 对感知器网络的构建与训练方法。

4、掌握利用程序设计语言对感知器网络进行实现的方法。

二、实验原理

1、感知器网络模型

⑴ 拓扑结构

对于一个样本：

网络输入：

()

12

T

n

X

xx x= "

网络输出：

()

12

T

m

Ooo o= "

实际输出

()

12

T

m

Ddd d= "

期望输出（导师信号）

网络权值：

()

12 m

WWW W= "

()

12

1, 2

T

jjj nj

Www wj m==""

阈值： 1, 2

j

Tj m= "

⑵ 转移函数

()

10

()sgn

10

j

jj

j

net

fnet net

net

≥

⎧

⎪

==

⎨

−<

⎪

⎩

（符号函数）

或者

10

()

00

j

j

j

net

fnet

net

≥

⎧

⎪

=

⎨

<

⎪

⎩

（阈值函数）

- 2 -

⑶ 学习规则（Perceptron）

权值和阈值的变化量

()

1,2

jjj

WdoXj m

η

Δ= − ="

()

'

1,2

jjj

Tdo j m

η

Δ= − = "

即：

jj j

WW W=+Δ

jj j

TT T=+Δ

2、Matlab 对感知器网络的构建与训练

例一、多个感知器神经元的分类问题

建立一个具有两个输入，两个感知器神经元（二维输出）的感知器神经网

络，区分四类输入向量。

11

0.1 1

,

1.2 0

XO

⎛⎞ ⎛⎞

==

⎜⎟ ⎜⎟

⎝⎠ ⎝⎠

，

22

0.7 1

,

1.8 0

XO

⎛⎞ ⎛⎞

==

⎜⎟ ⎜⎟

⎝⎠ ⎝⎠

，

33

0.8 1

,

1.6 0

XO

⎛⎞ ⎛⎞

==

⎜⎟ ⎜⎟

⎝⎠ ⎝⎠

；

44

0.8 0

,

0.6 0

XO

⎛⎞ ⎛⎞

==

⎜⎟ ⎜⎟

⎝⎠ ⎝⎠

，

55

1.0 0

,

0.8 0

XO

⎛⎞ ⎛⎞

==

⎜⎟ ⎜⎟

⎝⎠ ⎝⎠

；

66

0.3 1

,

0.5 1

XO

⎛⎞ ⎛⎞

==

⎜⎟ ⎜⎟

⎝⎠ ⎝⎠

，

77

0.0 1

,

0.2 1

XO

⎛⎞ ⎛⎞

==

⎜⎟ ⎜⎟

⎝⎠ ⎝⎠

，

88

0.3 1

,

0.8 1

XO

−

⎛⎞ ⎛⎞

==

⎜⎟ ⎜⎟

⎝⎠ ⎝⎠

；

99

0.5 0

,

1.5 1

XO

−

⎛⎞ ⎛⎞

==

⎜⎟ ⎜⎟

−

⎝⎠ ⎝⎠

，

10 10

1.5 0

,

1.3 1

XO

−

⎛⎞ ⎛⎞

==

⎜⎟ ⎜⎟

−

⎝⎠ ⎝⎠

；

- 3 -

测试数据图

X=[0.1 0.7 0.8 0.8 1.0 0.3 0.0 -0.3 -0.5 -1.5; 1.2 1.8 1.6 0.6 0.8 0.5 0.2 0.8 -1.5 -1.3];

O=[1 1 1 0 0 1 1 1 0 0; 0 0 0 0 0 1 1 1 1 1];

net=newp([-1.5 1;-1.5 1],2);

net.trainParam.epochs=20; %

设置网络最大训练次数为 20 次

net=train(net,X,O); %

使用训练函数对创建的网络进行训练

figure; %

创建一个新的绘图窗口

plotpv(X,O); %

在坐标图中绘制测试数据

plotpc(net.iw{1,1},net.b{1,1}); %

在坐标轴中绘制分类线

内容反馈

huadiansushe

粉丝: 0
资源: 4

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip