原创文章,转载请说明原文来自
《老饼玩转-BP神经网络》http://bp.bbbdata.com
目录
本文展示matlab工具箱实现LVQ神经网络的一个简单入门实例,并讲解相关的入参说明。
LVQ神经网络是Kohonen于1989年提出基于竞争网络的学习矢量量化网络,主要用于解决分类问题。
一、LVQ的网络结构简介
LVQ的网络结构如下:
它是固定的三层网络,输入层,隐层,与输出层。其中,
- (1) 输入层与隐层全连接,
- (2) 隐层与输出层是部分连接,隐层与输出层的连接权重固定为1。
- (3) 输出神经元取值只为0或1.
二、一个LVQ神经网络入门Demo
matlab工具箱实现LVQ神经网络的Demo代码
(2014b版matlab实测已跑通):
%代码说明:LVQ的matlab工具箱使用Demo
%来自《老饼讲解神经网络》bp.bbbdata.com ,matlab版本:2014b
%-----------------------------------------------------
%数据准备
P = [-3 -2 -2 0 0 0 0 +2 +2 +3; ...
0 +1 -1 +2 +1 -1 -2 +1 -1 0]; % 输入数据
Tc = [1 1 1 2 2 2 2 1 1 1]; % 输出类别
T = ind2vec(Tc); % 将输出转为one-hot编码(代表类别的01向量)
%网络训练
net = newlvq(P,4,[.6 .4]); % 建立一个LVQ神经网络
net = train(net,P,T); % 训练神经网络
%预测
Y = sim(net,P); % 预测(one-hot形式)
Yc = vec2ind(Y); % 将one-hot编码形式转回类别编号形式
代码的意思大概如下:
P是样本输入数据,而Tc是样本的类别标签。
由于LVQ是模式识别,所以要将类别标签转为one-hot格式,即把类别标签1转换成【1 0】,把类别标签2转换成【0 1】这样的格式。
然后,使用newlvq命令训练一个LVQ神经网络,训练好后,就可以利用sim函数来预测样本的类别了。
Y=sim(net,P)就是把P作为输入,用训练好的net进行预测,最后得到网络的预测结果Y.
三、LVQ参数说明
语法:
net = newlvq(P,S1,PC,LR,LF)
描述:
newlvq 创建一个LVQ (learning vector quantization ) 神经网络。
入参说明:
P: 用于训练的输入数据。每列代表一个样本,有多少个样本,就有多少列。
S1:隐节点个数。
PC:各个输出节点连接隐节点的个数占比。元素个数必须与输出节点个数一致,并且总和为1.例如[0.3,0.7]代表第一个输出节点连接30%隐神经元,第二个输出节点连接70%隐神经元。
LR:学习率。默认为0.01
LF:learnFunction,学习函数。可以设为'learnlv1'或'learnlv2',默认为'learnlv1'。
备注:learnlv2最好不要单独直接使用,应先用learnlv1训练网络,再把训练完的网络继续用learnlv2训练。
相关文章