matlab 竞争神经网络和FOM神经网络用于数据分类

最新推荐文章于 2023-09-15 15:03:18 发布

m0_45355084

最新推荐文章于 2023-09-15 15:03:18 发布

阅读量397

点赞数

分类专栏： RBF神经网络竞争神经网络笔记文章标签：神经网络 matlab 深度学习

本文链接：https://blog.csdn.net/m0_45355084/article/details/119966862

版权

本文介绍了使用MATLAB实现竞争神经网络和FOM神经网络进行数据分类的研究，通过实验展示了两种网络在数据分类任务上的应用和效果。

摘要由CSDN通过智能技术生成

%% I. 清空环境变量
clear all
clc

%% II. 训练集/测试集产生
%%
% 1. 导入数据
load attributes.mat
load classes.mat
load new_x.mat
%%
% 2. 数据归一化
attributes = mapminmax(attributes);

%%
% 3. 训练集和测试集划分

% 训练集——35个样本
P_train = attributes(:,1:35);
T_train = classes(:,1:35);
% 测试集——4个样本
P_test = attributes(:,36:end);
T_test = classes(:,36:end);

%% III. 竞争神经网络创建、训练及仿真测试
%%
% 1. 创建网络
net = newc(minmax(P_train),4,0.01,0.01);  %因为结果分成四类，所以这里隐含神经元设置为4，0.01分别是是权值和阈值的学习率
%单独执行一下minmax(P_train)发现最大值是1，最小值是-1，与P_train最大值最小值符合。
% 输入      w=net.iw{1,1};      看一下   连接权值      平均值为0   四个神经元六个特征   4*6矩阵元素全部为0
%输入      b=net.b{1}    看一下  连接阈值      edit  initcon      rows=4
%134行看一下  x的值是不是我们算的值

%%
% 2. 设置训练参数
net.trainParam.epochs = 500;     %训练步数

%%
% 3. 训练网络
net = train(net,P_train);     

%%
% 4. 仿真测试

% 训练集
t_sim_compet_1 = sim(net,P_train);
T_sim_compet_1 = vec2ind(t_sim_compet_1);
% 测试集
t_sim_compet_2 = sim(net,P_te