- 博客(9)
- 收藏
- 关注
RSS订阅原创 MLP神经网络模型-matlab
简单的多层感知器（MLP）神经网络模型，使用批量梯度下降算法进行训练，用于对数据进行分类。首先，定义了一些模拟数据，创建了五个具有不同均值的多元正态分布样本集合。接着，定义了神经网络的参数，包括输入、隐藏和输出节点的数量，学习率等。实现了前向传播函数 forward，用于计算网络的输出和损失函数。实现了批量梯度下降函数 batchBP，用于更新权重并训练网络。实现了测试函数 test，用于在测试集上评估网络的性能。实现了 sigmoid 函数，用于计算神经元的输出。然后，将数据分为训练集和测试集。
2024-04-06 22:18:42
265
原创 洛伦兹系统-MATLAB
接着，函数计算了状态变量x、y、z的导数，即f(1)、f(2)和f(3)，计算公式参照了洛伦兹系统的ODE方程。接下来，函数构建了雅可比矩阵Jac，并用它来计算状态变量X的雅可比矩阵Y的导数值，并将结果保存到f的4到12维。需要注意的是，这是一个函数，需要在其他代码中进行调用，并且需要提前声明全局变量c的值。接下来，函数从输入的状态向量X中提取出x、y、z以及雅可比矩阵Y的值。在函数体内，首先使用了全局变量c，来定义洛伦兹系统的参数值。然后，函数初始化了一个12维的零向量f。
2024-04-02 04:34:29
297
原创 Lyapunov指数谱计算程序
工具箱下载网站为 http://www.math.rsu.ru/mexmat/kvm/matds/。下载工具箱后，只要根据简化Lorenz系统编写下列函数。计算系统的Lyapunov指数谱，新建一个m文件，基于Lyapunov指数谱计算工具箱。
2024-04-02 04:11:54
141
2
原创 模拟二维立方映射系统- MATLAB
给定参数a、b、g、初始值x0、y0，以及迭代次数N，函数将模拟系统的演化，并返回演化的轨迹x和y，以及系统的Lyapunov指数Ly。最后，返回了模拟系统演化的轨迹x和y，以及Lyapunov指数的估计值Ly。在每一步迭代中，计算了雅可比矩阵J，并根据J更新了Q矩阵，然后通过QR分解计算了Lyapunov指数的估计值Ly。接着，采用迭代的方式计算了系统的状态变化，其中x(i)和y(i)分别代表第i次迭代后的x和y的值。在函数中：首先初始化了x和y的数组，并给定了初始值x0和y0。
2024-03-28 21:10:25
436
原创 Lyapunov指数计算的ode系统-MATLAB
function [Texp,Lexp]=lyapunov(n,rhs_ext_fcn,fcn_integrator,tstart,stept,tend,ystart,ioutp)%% Lyapunov exponent calcullation for ODE-system.%% The alogrithm employed in this m-file for determining Lyapunov% exponents was proposed in%%
2024-03-28 20:54:55
1121
原创 洛伦兹系统ODE方程-MATLAB
输出参数f也是一个3维向量，分别对应x、y和z的导数值。函数的输入参数包括一个时间向量t和一个状态向量X，其中X是一个12维向量，代表了洛伦兹系统的状态变量x、y、z及其对应的雅可比矩阵Y。接着，函数计算了状态变量x、y、z的导数，即f(1)、f(2)和f(3)，计算公式参照了洛伦兹系统的ODE方程。接下来，函数构建了雅可比矩阵Jac，并用它来计算状态变量X的雅可比矩阵Y的导数值，并将结果保存到f的4到12维。f(2)代表y的导数，其计算公式为：(24-4*c)y(1)+cy(2)-y(1)*y(3)
2024-03-28 20:40:26
888
数电实验一.ms14 (Security copy).ms14 (security copy)
2022-10-17
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人