人工神经网络matlab源程序(可运行)

人工神经网络 matlab 源程序代码，有注释%产生指定类别的样本点，并在图中绘出 X = 0 1; 0 1; % 限制类中心的范围 clusters = 5; % 指定类别数目 points = 10; % 指定每一类的点的数目 std_dev = 0.05; % 每一类的标准差 P = nngenc(X,clusters,points,std_dev); plot(P(1,:),P(2,:),+r); title(输入样本向量); xlabel(p(1); ylabel(p(2); %建立网络 net=newc(0 1;0 1,5,0.1); %设置神经元数目为5 %得到网络权值，并在图上绘出 figure; plot(P(1,:),P(2,:),+r); w=net.iw1 hold on; plot(w(:,1),w(:,2),ob); hold off; title(输入样本向量及初始权值); xlabel(p(1); ylabel(p(2); figure; plot(P(1,:),P(2,:),+r); hold on; %训练网络 net.trainParam.epochs=7; net=init(net); net=train(net,P); %得到训练后的网络权值，并在图上绘出 w=net.iw1 plot(w(:,1),w(:,2),ob); hold off; title(输入样本向量及更新后的权值); xlabel(p(1); ylabel(p(2); a=0; p = 0.6 ;0.8; a=sim(net,p) example8_2 %随机生成1000个二维向量，作为样本，并绘出其分布 P = rands(2,1000); plot(P(1,:),P(2,:),+r) title(初始随机样本点分布); xlabel(P(1); ylabel(P(2); %建立网络，得到初始权值 net=newsom(0 1; 0 1,5 6); w1_init=net.iw1,1 %绘出初始权值分布图 figure; plotsom(w1_init,net.layers1.distances) %分别对不同的步长，训练网络，绘出相应的权值分布图 for i=10:30:100 net.trainParam.epochs=i; net=train(net,P); figure; plotsom(net.iw1,1,net.layers1.distances) end %对于训练好的网络，选择特定的输入向量，得到网络的输出结果 p=0.5;0.3; a=0; a = sim(net,p) example8_3 %指定输入二维向量及其类别 P = -3 -2 -2 0 0 0 0 +2 +2 +3; 0 +1 -1 +2 +1 -1 -2 +1 -1 0; C = 1 1 1 2 2 2 2 1 1 1; %将这些类别转换成学习向量量化网络使用的目标向量 T = ind2vec(C) %用不同的颜色，绘出这些输入向量 plotvec(P,C), title(输入二维向量); xlabel(P(1); ylabel(P(2); %建立网络 net = newlvq(minmax(P),4,.6 .4,0.1); %在同一幅图上绘出输入向量及初始权重向量 figure; plotvec(P,C) hold on W1=net.iw1; plot(W1(1,1),W1(1,2),ow) title(输入以及权重向量); xlabel(P(1), W(1); ylabel(P(2), W(2); hold off; %训练网络，并再次绘出权重向量 figure; plotvec(P,C); hold on; net.trainParam.epochs=150; net.trainParam.show=Inf; ne