神经网络作业

报告一

1、程序

P=[-0.4 -0.5 0.6 0.7 0.8 -0.9 0.2;0.9 0 0.1 0.2 -0.3 0.5 0.3];

%给定训练样本数据，对应点的坐标

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

%给定样本数据对应的类别，用1和0表示两种类别

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

%创建一个有两个输入、样本数据的取值范围都在【-1,1】之间，并且网络只有一个神经元的感知器神经网络

net.trainParam.epochs=20;

%设置网络的最大训练次数为20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

figure(1);

%画出训练结果

plotpv(P,Y);

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

Q=[0.6 0.9 -0.1 0.7 -0.3 0.4 0.4;-0.1 -0.5 0.5 0.7 0.2 0.1 0.2];

%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(2);

创建一个新的绘图窗口

plotpv(Q,Y1);

在坐标中绘制测试数据

plotpc(net.iw{1},net.b{1})%在坐标中绘制分类线

2、神经网络训练

>> nn

Y = 0 0 E1 = 0

Y1 = 1 1

图1 神经网络训练

1 1 1 0 1

0 1 0 1 1

3、结果图

Vectors to be Classified10.5P(2)0-0.5-1.5-1-0.50P(1)0.511.5

图2 训练图

Vectors to be Classified10.5P(2)0-0.5-1-0.50P(1)0.51

图3 测试图