神经网络用于模式识别_第1页
神经网络用于模式识别_第2页
神经网络用于模式识别_第3页
神经网络用于模式识别_第4页
神经网络用于模式识别_第5页
已阅读5页，还剩1页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

神经网络模式识别一．实验目的掌握利用感知器和BP网进行模式识别的基本方法，通过实验加深对基本概念的理解。二．实验仪器与设备HPD538、MATLAB三．实验原理1．设计线性可分实验假设模式向量X是N维的，线型判别函数的一般形式为：式中，成为权向量；成为阀值；成为增广权向量；成为增广模式向量。在两类情况下，可以仅定义一个判别函数：决策规则为：若则决策边界方程为，当为线性函数时，这个决策边界便是超平面。这个超平面将模式空间分割成两个决策域。超平面的方向由权向量确定，它的位置由阀值决定。假设已知一组容量为N的样本集，如果又一个现行分类器能把每个样本正确分类，则称这组样本集为线性可分的；否则称为线性不可分的。反过来，如果样本集是线性可分的，则必然存在一个线性分类器能把每个样本正确分类2．奇异样本对网络训练的影响奇异样本：该样本向量同其他样本向量比较起来特别大或特别小时，网络训练所花费的时间将很长。设计实验考察奇异样本对感知机训练的影响，比较有无奇异点时的训练时间及迭代次数，设计解决此问题的方案并实验验证。3．分类线性不可分样本利用线性分类器对线性不可分样本进行分类，考察训练时间及迭代次数。利用BP网对该样本集进行分类，考察训练时间及迭代次数并作对比。四．实验步骤及程序1．设计线性可分实验ticp=[0.4,0.1,0.3,0.3,0.4,0.8,0.9,0.7,0.6,0.7;0.1,0.2,0.45,0.5,0.5,0.6,0.8,0.8,0.9,0.7];T=[0000011111];figureplotpv(p,T);[w,b]=initp(p,T)[w,b,epochs,errors]=trainp(w,b,p,T,-1)q=epochs;figureploterr(errors)p1=[-0.5;0];a=simup(p1,w,b);epochs=7errors=55555450diedaicishu＝7elapsed_time=0.90602．奇异样本对网络训练的影响cishu,2elapse

人人文库> 全部分类> 专业文献 > 工程机械

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论