matlab实现-LVQ神经网络入门例子

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

一、LVQ的网络结构简介

二、一个LVQ神经网络入门Demo

三、LVQ参数说明

---

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

​《BP神经网络梯度推导》

​​​​​​《BP神经网络提取的数学表达式》
 
《一个BP的完整建模流程》