模式识别及神经网络期末复习知识整理

最新推荐文章于 2024-01-24 10:57:45 发布

凡宝小可爱

最新推荐文章于 2024-01-24 10:57:45 发布

阅读量882

点赞数 3

分类专栏：神经网络文章标签：神经网络算法深度学习

本文链接：https://blog.csdn.net/qq_43570024/article/details/113079109

版权

本文整理了模式识别和神经网络期末复习的重点，包括使用GA算法从基因芯片数据中选取关键基因，设计RBF神经网络模型，构建BP神经网络和CNN预测模型。此外，还探讨了PCA与Wavelet在特征提取中的应用，以及有指导和无指导学习方法。

摘要由CSDN通过智能技术生成

1.有一组基因芯片数据,样本的个数为 216, 其中肺癌 90 个,其余为正常人, 每个样本的基因芯片数据维度为 10500。计划用 2/3 数据训练，剩下测试。

1）要求用 GA 算法实现从中选取 10 个与肺癌相关的关键的基因，编写 matlab 程序实现预测模型。

% 假设P是个矩阵，里面存放着216个维度为10500的基因芯片数据

PP=P(:,1:144); %训练集216×(2/3) 
PT=P(:,145:216);%测试集216×(1/3) 
TR=(PP);
TE=(PT);
%假设T1是TR的目标集
%假设T2是TE的目标集
options=gaoptimset('PopulationSize',50,'Generations',20,'PlotFcns',@gaplotbestf);%调用遗传算法工具箱，种群数50，迭代数20
spread=5;
FitnessFunction=@(x)fit_crab_features(x,TR,T1,TE,T2,spread);
n=10;                   %关键数据的值
LB=[1 ... 1];           %10个1
UB=[10500 ... 10500];   %10个10500 
[x,fval]=ga(FitnessFunction,n,[],[],[],[],LB,UB,[],options);

有一组基因芯片数据,样本的个数为 216, 其中肺癌 90 个,其余为正常人, 每个样本的基因芯片数据维度为 10500。计划用 2/3 数据训练，剩下测试。

2）1.设计 RBF 精确神经网络的预测模型, 标注隐含层的神经元的个数, 以及隐含层的权值是如何计算的, 以及采用的激活函数.。

2. 编写 matlab 简单程序实现预测模型。rbf+wavalet