文檔庫

最新最全的文檔下載
當前位置:文檔庫 > matlable 人工智能代碼

matlable 人工智能代碼

%產生指定類別的樣本點,并在圖中繪出
X = [0 1; 0 1]; % 限制類中心的范圍
clusters = 5; % 指定類別數目
points = 10; % 指定每一類的點的數目
std_dev = 0.05; % 每一類的標準差
P = nngenc(X,clusters,points,std_dev);
plot(P(1,:),P(2,:),'+r');
title('輸入樣本向量');
xlabel('p(1)');
ylabel('p(2)');
%建立網絡
net=newc([0 1;0 1],5,0.1); %設置神經元數目為5
%得到網絡權值,并在圖上繪出
figure;
plot(P(1,:),P(2,:),'+r');
w=net.iw{1}
hold on;
plot(w(:,1),w(:,2),'ob');
hold off;
title('輸入樣本向量及初始權值');
xlabel('p(1)');
ylabel('p(2)');
figure;
plot(P(1,:),P(2,:),'+r');
hold on;
%訓練網絡
net.trainParam.epochs=7;
net=init(net);
net=train(net,P);
%得到訓練后的網絡權值,并在圖上繪出
w=net.iw{1}
plot(w(:,1),w(:,2),'ob');
hold off;
title('輸入樣本向量及更新后的權值');
xlabel('p(1)');
ylabel('p(2)');
a=0;
p = [0.6 ;0.8];
a=sim(net,p)
-------------------

example8_2

%隨機生成1000個二維向量,作為樣本,并繪出其分布
P = rands(2,1000);
plot(P(1,:),P(2,:),'+r')
title('初始隨機樣本點分布');
xlabel('P(1)');
ylabel('P(2)');
%建立網絡,得到初始權值
net=newsom([0 1; 0 1],[5 6]);
w1_init=net.iw{1,1}
%繪出初始權值分布圖
figure;
plotsom(w1_init,http://www.eyfwrd.live/doc/4a560f1810a6f524ccbf85b9.htmlyers{1}.distances)
%分別對不同的步長,訓練網絡,繪出相應的權值分布圖
for i=10:30:100
net.trainParam.epochs=i;
net=train(net,P);
figure;
plotsom(net.iw{1,1},http://www.eyfwrd.live/doc/4a560f1810a6f524ccbf85b9.htmlyers{1}.distances)
end
%對于訓練好的網絡,選擇特定的輸入向量,得到網絡的輸出結果
p=[0.5;0.3];
a=0;
a = sim(net,p)
--------------------------

example8_3 %指定輸入二維向量及其類別
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]; %將這些類別轉換成學習向量量化網絡使用的目標向量
T = ind2vec(C) %用不同的顏色,繪出這些輸入向量
plotvec(P,C),
title('輸入二維向量');
xlabel('P(1)');
ylabel('P(2)'); %建立網絡
net = newlvq(minmax(P),4,[.6 .4],0.1); %在同一幅圖上繪出輸入向量及初始權重向量
figure;
plotvec(P,C)
hold on
W1=net.iw{1};
plot(W1(1,1),W1(1,2),'ow')
title('輸入以及權重向量');
xlabel('P(1), W(1)');
ylabel('P(2), W(2)');
hold off; %訓練網絡,并再次繪出權重向量
figure;
plotvec(P,C);
hold on;
net.trainParam.epochs=150;
net.trainParam.show=Inf;
net=train(net,P,T);
plotvec(net.iw{1}',vec2ind(net.lw{2}),'o'); %對于一個特定的點,得到網絡的輸出
p = [0.8; 0.3];
a = vec2ind(sim(net,p))












第二:

% Construct the network object
net = network;

% Specify the input and layer size
net.numInputs = 1;
net.numLayers = 3;

% Set connections am

怎么赚钱