神经网络 - 用单层感知器实现多个神经元的分类 - (Matlab建模)

训练样本矩阵:

P = [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];

训练样本对应的分类:

T = [1  1  1 0  0 1  1  1  0  0 ;0  0  0  0  0  1  1  1  1  1];

用MATLAB实现分类,并画出网络模型。

MATLAB代码:

P= [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];                        %给定训练样本数据
T= [1 1 1 0 0 1 1 1 0 0 ; 0 0 0 0 0 1 1 1 1 1];    %给定样本数据所对应的类别,用1
和0来表示两种类别
net=newp([-2 2;-1 1],2);     %创建一个有两个输入、样本数据的取值范围都在
[-1,1] %之间,并且网络有两个神经元的感知器神经网络
net.trainParam.epochs = 30;             %设置网络的最大训练次数为30次
net=train(net,P,T);                     %使用训练函数对创建的网络进行训练
Y=sim(net,P)                          %对训练后的网络进行仿真
E1=mae(Y-T)                  %计算网络的平均绝对误差,表示网络错误分类
Q=[0.7  1.9  0.9  -0.4  0.2  1.3  -1.5  -0.3  -0.7  1.5; 1.2  0.4  -1.6  0.1 1.9  0.0  0.2  0.8  -1.5  0.9];          %检测训练好的神经网络的性能
Y1=sim(net,Q)                   %对网络进行仿真,仿真输出即为分类的结果
figure;                                %创建一个新的绘图窗口
plotpv(Q,Y1);                           %在坐标图中绘制测试数据
plotpc(net.iw{1},net.b{1})                 %在坐标图中绘制分类线

运行结果:

Y =

     1     1     1     0     0     1     1     1     0     0

     0     0     0     0     0     1     1     1     1     1

E1 =0

Y1 =

     1     0     0     1     1     0     1     1     0     0

     0     0     1     1     0     1     1     1     1     0

训练误差曲线:

训练后的分类线:

网络模型:

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/475525.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

LeetCode 1218. 最长定差子序列(哈希map)

1. 题目 给你一个整数数组 arr 和一个整数 difference,请你找出 arr 中所有相邻元素之间的差等于给定 difference 的等差子序列,并返回其中最长的等差子序列的长度。 示例 1: 输入:arr [1,2,3,4], difference 1 输出&#xff…

缺失值处理 - 定位空值并用空值的上一个值填充 - (Excel)

今天小助理很烦恼,说要处理一批汇率的数据,用近邻日期的汇率填充汇率为空的日期的汇率,这句话比较拗口,我们用数据解释一下。 比如下表,10月6日和10月8日9日的汇率没有采集到,那么我们就用10月5日的汇率填…

C#开发基础类库

下载地址:http://files.cnblogs.com/dashi/Sxmobi.rar转载于:https://www.cnblogs.com/dashi/archive/2011/09/09/2172506.html

LeetCode 1027. 最长等差数列(DP)

1. 题目 给定一个整数数组 A&#xff0c;返回 A 中最长等差子序列的长度。 回想一下&#xff0c;A 的子序列是列表 A[i_1], A[i_2], ..., A[i_k] 其中 0 < i_1 < i_2 < ... < i_k < A.length - 1。并且如果 B[i1] - B[i]( 0 < i < B.length - 1) 的值都…

因子分析模型 - 因子分析法原理与代码实现 -(Python,R)

因子分析基本思想 和主成分分析相似&#xff0c;首先从原理上说&#xff0c;主成分分析是试图寻找原有自变量的一个线性组合&#xff0c;取出对线性关系影响较大的原始数据&#xff0c;作为主要成分。 因子分析&#xff0c;是假设所有的自变量可以通过若干个因子&#xff08;中…

如何将两个DateTimePicker的日期和时间组合成一个值

有两个DateTimePicker&#xff0c;DateTimePicker1用于选择日期&#xff0c;DateTimePicker2用于选择Time&#xff0c;现在需要将两个DateTimePicker的值组合成一个DateTime使用。 方法&#xff1a; 1: DateTime dtTime Convert.ToDateTime(dateTimePicker1.Value.ToShortDate…

LeetCode 1255. 得分最高的单词集合(回溯)

1. 题目 你将会得到一份单词表 words&#xff0c;一个字母表 letters &#xff08;可能会有重复字母&#xff09;&#xff0c;以及每个字母对应的得分情况表 score。 请你帮忙计算玩家在单词拼写游戏中所能获得的「最高得分」&#xff1a;能够由 letters 里的字母拼写出的 任…

推荐几个网站 - (可视化、博客、社区、学习网站)

------------------------------------------------------------------------------------------------------------- 作者&#xff1a;Mf是个大坏蛋 原文&#xff1a;https://blog.csdn.net/destinymf/article/details/81186452 ----------------------------------------…

对Java注解(Annotation)初步的认识

----------------------android培训、java培训、期待与您交流&#xff01; ---------------------- 为注解增加属性 例如&#xff1a; import java.lang.annotation.Retention;import java.lang.annotation.RetentionPolicy;Retention(RetentionPolicy.RUNTIME)public interfac…

LeetCode 789. 逃脱阻碍者(曼哈顿距离)

1. 题目 你在进行一个简化版的吃豆人游戏。 你从 (0, 0) 点开始出发&#xff0c;你的目的地是 (target[0], target[1]) 。地图上有一些阻碍者&#xff0c;第 i 个阻碍者从 (ghosts[i][0], ghosts[i][1]) 出发。 每一回合&#xff0c;你和阻碍者们可以同时向东&#xff0c;西&…

ACDSee Photo Manager 12 中文绿色版

用WinRAR解压即玩&#xff0c;无需安装。可以拷贝到USB硬盘&#xff0c;便于携带 凭借易于使用且速度极快的特点&#xff0c;ACDSee 12提供了整理相片、优化拍摄以及与亲朋好友分享往事所需的全部功能。 幻灯片浏览 支持幻灯片浏览图片&#xff0c;并支持背景音乐和多种多样的图…

排序算法 - 6种 - 超炫的动画演示 - Python实现

1.冒泡排序 思路&#xff1a;遍历列表&#xff0c;每一轮每次比较相邻两项&#xff0c;将无序的两项交换&#xff0c;下一轮遍历比前一轮比较次数减1。 def bubble_sort(a_list):for passnum in range(len(a_list)-1, 0, -1):for i in range(passnum):if a_list[i] > a_list…

LeetCode 565. 数组嵌套

1. 题目 索引从0开始长度为N的数组A&#xff0c;包含0到N - 1的所有整数。 找到最大的集合S并返回其大小&#xff0c;其中 S[i] {A[i], A[A[i]], A[A[A[i]]], ... }且遵守以下的规则。 假设选择索引为i的元素A[i]为S的第一个元素&#xff0c;S的下一个元素应该是A[A[i]]&…

因子分析模型 - Python 做因子分析简直比 SPSS 还简单 - ( Python、SPSS)

为什么&#xff1f; SPSS 那么简单还免费&#xff0c;为什么还要用 Python 做因子分析&#xff08;factor analysis&#xff09;呢&#xff1f;工作狗表示&#xff0c;建模的目的是要卖钱的&#xff0c;也就是要嵌入到公司开发的产品上去&#xff0c;用 Python 写因子分析&…

缺失值处理 - 拉格朗日插值法 - Python代码

目录 缺失值处理 拉格朗日差值法的理论基础 拉格朗日插值法代码实现 其他数据预处理方法 缺失值处理 处理缺失值常用的办法可分为三类&#xff1a;删除记录、数据插补、不处理。 其中常见的数据插补法有&#xff1a; 如果通过删除小部分的数据就可以达到既定的目标&#…

做po_requisitions_interface_all接口开发问题

po_requisitions_interface_all这个接口表的字段charge_account_id来源于: 1、组织参数的Material Account 2、工单类型的Outside Processing Account 转载于:https://www.cnblogs.com/songdavid/archive/2011/09/19/2181757.html

[Hands On ML] 3. 分类(MNIST手写数字预测)

文章目录1. 数据预览2. 数据集拆分3. 二分类4. 性能评估4.1 交叉验证4.2 准确率、召回率4.3 受试者工作特征&#xff08;ROC&#xff09;曲线5. 多分类6. 误差分析6.1 检查混淆矩阵本文为《机器学习实战&#xff1a;基于Scikit-Learn和TensorFlow》的读书笔记。 中文翻译参考 …

支持向量机 - 从原理到算法的实现

思想&#xff1a;寻找能够成功分开两类样本并且具有最大分类间隔的最优超平面。 1.原理解析 空间中任何一个平面的方程都可以表示为wxb 0,如上图&#xff0c;设最优超平面方程H为wxb0,支持向量x-到H的距离为,要使分类间隔最大&#xff0c;即该距离最大&#xff0c;而该距离只与…

Struts2初始化过程代码分析

根据web.xml的配置 调用FilterDispatcher.init(FilterConfig filterConfig) 1. 创建org.apache.struts2.Dispatcher&#xff0c;并调用init()方法 1.1. 创建com.opensymphony.xwork2.config.ConfigurationManager,其中属性List<ContainerProvider> containerProviders存放…

LeetCode 1292. 元素和小于等于阈值的正方形的最大边长(DP)

1. 题目 给你一个大小为 m x n 的矩阵 mat 和一个整数阈值 threshold。 请你返回元素总和小于或等于阈值的正方形区域的最大边长&#xff1b; 如果没有这样的正方形区域&#xff0c;则返回 0 。 示例 1&#xff1a; 输入&#xff1a;mat [[1,1,3,2,4,3,2],[1,1,3,2,4,3,2],[…