神经网络实验七.ppt

神经网络实验课件实验七广义回归神经网络与概率神经网络的设计1、GRNN网络结构输入层径向基神经元线性层一、广义回归神经网络(GRNN)2、=newgrnn(P,T,SPREAD)功能描述:设计一个GRNN网络参数说明:P—Q个R维输入向量组成的R×—Q个S维期望输出向量组成的S×—径向基层的散布常数,、广义回归神经网络(GRNN)例1:已知8个样本点,用GRNN网络对该样本进行函数逼近>>P=[12345678]; %输入变量值>>T=[01232121]; %期望输出>>plot(P,T,'.','markersize',30);%在坐标系中画出样本点>>axis([09-14]);%调整坐标平面显示区域>>title(‘待逼近函数’);%图像标题>>xlabel(‘P’);%给横轴标注>>ylabel('T');%给纵轴标注一、广义回归神经网络(GRNN)一、广义回归神经网络(GRNN)>>spread=; %确定散布常数>>net=newgrnn(P,T,spread); %设计网络>>A=,P); %网络仿真>>holdon;>>outputline=plot(P,A,'O','markersize',10,…'color',[100]); %画出测试结果>>title('检测网络');>>xlabel('P');>>ylabel('T和A');一、广义回归神经网络(GRNN)>>p=;>>a=,p);%对新的数据点进行仿真>>plot(p,a,'+','markersize',10,'color',[100]);%画出测试点>>xlabel('P和p');>>ylabel('T和a');一、广义回归神经网络(GRNN)>>P2=0::9;>>A2=,P2);>>plot(P2,A2,'linewidth',4,'color',[100]);%绘制拟合曲线>>title('函数逼近');>>xlabel('P和P2');>>ylabel('T和A2');一、广义回归神经网络(GRNN)