MATLAB R2016a神经网络设计应用27例源代码.rar

clear all; %样本数据 p=[0.9325 1.0000 1.0000 -0.4526 0.3895 1.0000 1.0000 1.0000;... -0.4571 -0.2854 -0.9024 -0.9121 -0.0841 1.0000 -0.2871 0.5647;... 0.5134 0.9413 0.9711 -0.4187 0.2855 0.8546 0.9478 0.9512;... 0.1545 0.1564 -0.5000 -0.6571 -0.3333 -0.6667 -0.3333 -0.5000;... 0.1765 0.7648 0.4259 -0.6472 -0.0563 0.1726 0.5151 0.4212;... -0.6744 -0.4541 -0.8454 1.0000 -0.8614 -0.6714 -0.6279 -0.6785;... 0.4647 0.8710 0.0712 -0.7845 -0.2871 0.8915 0.6553 0.6152;... 0.6818 1.0000 -0.625 -0.8426 -0.6215 -0.1574 1.0000 0.7782]; %newsom建立SOM网络。Minmax(p)取输入的最大最小值。竞争层为6*6=36个神经元 net=newsom(minmax(p),[6 6]); plotsom(net.layers{1}.positions) %7次训练的次数 a=[10 30 50 100 200 500 1000]; %随机初始化一个7*8向量 yc=rands(7,8); %训练次数为10次 net.trainparam.epochs=a(1); %训练网络和查看分类 net=train(net,p); y=sim(net,p); yc(1,:)=vec2ind(y); plotsom(net.iw{1,1},net.layers{1}.distances) %训练次数为30次 net.trainparam.epochs=a(2); %训练网络和查看分类 net=train(net,p); y=sim(net,p); yc(2,:)=vec2ind(y); plotsom(net.iw{1,1},net.layers{1}.distances) %训练次数为50次 net.trainparam.epochs=a(3); %训练网络和查看分类 net=train(net,p); y=sim(net,p); yc(3,:)=vec2ind(y); plotsom(net.iw{1,1},net.layers{1}.distances) %训练次数为100次 net.trainparam.epochs=a(4); %训练网络和查看分类 net=train(net,p); y=sim(net,p); yc(4,:)=vec2ind(y); plotsom(net.iw{1,1},net.layers{1}.distances) %训练次数为200次 net.trainparam.epochs=a(5); %训练网络和查看分类 net=train(net,p); y=sim(net,p); yc(5,:)=vec2ind(y); plotsom(net.iw{1,1},net.layers{1}.distances) %训练次数为500次 net.trainparam.epochs=a(6); %训练网络和查看分类 net=train(net,p); y=sim(net,p); yc(6,:)=vec2ind(y); plotsom(net.iw{1,1},net.layers{1}.distances) %训练次数为1000次 %得到1000次权值向量图，如图2-18所示。 net.trainparam.epochs=a(7); %训练网络和查看分类 net=train(net,p); y=sim(net,p); yc(7,:)=vec2ind(y); plotsom(net.iw{1,1},net.layers{1}.distances) title('权向量') yc %网络作分类的预测 %测试样本输入 t=[0.9512 1.0000 0.9458 -0.4215 0.4218 0.9511 0.9645 0.8941]'; %用sim来做网络仿真 r=sim(net,t); %变换函数，将单值向量转换为下标向量 rr=vec2ind(r) %查看网络拓扑学结构 plotsomtop(net) %SOM网络拓扑学结构如图2-19所示 title('SOM网络拓扑结构') %查看临近神经元直接的距离情况 plotsomnd(net) %得到临近神经元直接距离如图2-20所示 title('临近神经元直接的距离')