《神经网络试验演示文稿.ppt》由会员分享，可在线阅读，更多相关《神经网络试验演示文稿.ppt（20页珍藏版）》请在课桌文档上搜索。
1、实验一单层感知器,1.感知器模型,2.感知器的学习算法,j=1,2,m,净输入：,输出：,(2.1),(2.2),式中，当实际输出与期望值相同时，权值不需要调整。感知器学习规则代表一种有导师学习。,输入样本数据,实验结果,程序代码,include#includeusing namespace std;int main()double d3=-1,-1,1;double w41=0.5,1,-1,0;/初始权向量double anta=0.1;double netj;double x54,o3;int i,j,k;ifstream infile(f1.txt,ios:in);if(!infile
2、)cerrxij;infile.ignore();,for(j=0;j=0)ok=1;elseok=-1;coutdk;okendl;,for(i=0;i4;i+)wi0=wi0+anta*(dk-ok)*xik;coutwi0,;coutendl;+k;if(d0=o0),实验二.径向神经网络实验,一.实验目的：径向基函数网络多用于函数逼近和分类问题的研究，本实验演示如何应用函数构建一个径向基网络，然后对一系列的数据点进行函数逼近。二.问题的提出假设如下的输入/输出样本，输入向量为【-1，1】区间上等间隔的数组成的向量P，相应的期望值向量为T.P=-1:0.1:1;T=-0.9602-0.5
3、770-0.0729 0.3771 0.6405 0.6600 0.4609.0.1336-0.2013-0.4344-0.5000-0.3930-0.1647 0.0988.0.3072 0.3960 0.3449 0.1816-0.0312-0.2189-0.3201;,以输入向量为横坐标，期望值为纵坐标，绘制训练用样本的数据点，如图：,目的找到一个函数能够满足这21个数据点的输入/输出关系。本例通过构建径向基函数网络来进行曲线拟合。三.网络设计设计一个径向基函数网络，网络有两层，隐层为径向基神经元，输出层为线形性神经元。绘制隐层神经元径向基传递函数的曲线，如图：,每一个隐层神经元的权值和
4、阈值都与径向基函数的位置和宽度有关系，输出层的线性神经元将这些径向基函数的权值相加。如果隐层神经元的数目足够，每一层的权值和阈值正确，那么径向基函数网络就完全能够精确的逼近任意函数。如图所示，其中三条实线表示单个径向基函数曲线，虚线表示三条曲线相加的结果。,从图中可以看出，如果调整权值和阈值，就可以做到对任何函数曲线的拟合。应用newrb()可以快速构建一个径向基函数网络，并且网络自动根据输入向量和期望值进行调整，从而进行函数逼近，预先设定均为方差精度eg以及散布常数sc.eg=0.02;sc=1;net=newrb(P,T,eg,sc);NEWRB,neurons=0,SSE=3.69051,三.网络测试,将网络输出和期望值随输入向量变化的曲线绘制在一张图上，可以看出网络设计是否能够做到函数逼近。如图：,其中“+”点为样本数据点，从中可以看出，应用径向基网络进行函数逼近非常成功。,谢谢！,
