有導(dǎo)師學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的分類-鳶尾花種類識別

學(xué)習(xí)目標(biāo)： 線性神經(jīng)網(wǎng)絡(luò)
收斂速度和精度比前一篇博客的感知器神經(jīng)網(wǎng)絡(luò)要高，
主要應(yīng)用在函數(shù)逼近，信號預(yù)測，模式識別，系統(tǒng)辨識方面
clear all;
close all;
P=[1.1 2.2 3.1 4.1];
T=[2.2 4.02 5.8 8.1];
lr=maxlinlr(P); ? ? ? ? ? ? ? ? ? %獲取最大學(xué)習(xí)速率
net=newlin(minmax(P),1,0,lr); ? ? %建立線性神經(jīng)網(wǎng)絡(luò)
net.trainParam.epochs=500; ? ? ? ?%訓(xùn)練 ? ?做多500次
net.trainParam.goal=0.04; ? ? ? ? %訓(xùn)練誤差設(shè)定為0.04
net=train(net,P,T);
Y=sim(net,P) ? ? ? ? ? ? ? ? ? ? ? %仿真

利用線性神經(jīng)網(wǎng)絡(luò)進(jìn)行信號的預(yù)測
clear all;
close all;
t=0:pi/10:4*pi;
X=t.*sin(t);
T=2*X+3;
figure;
plot(t,X,'+-',t,T,'+--');
legend('系統(tǒng)輸入','系統(tǒng)輸出');
set(gca,'xlim',[0 4*pi]);
set(gcf,'position',[50,50,400,400]);
net=newlind(X,T);
y=sim(net,X);
figure;
plot(t,y,'+:',t,y-T,'r:');
legend('網(wǎng)絡(luò)預(yù)測輸出','誤差');
set(gca,'xlim',[0 4*pi]);
set(gcf,'position',[50,50,400,400]);

下面為重復(fù)程序

利用線性神經(jīng)網(wǎng)絡(luò)進(jìn)行信號的預(yù)測
clear all;
close all;
t=0:pi/10:4*pi;
X=t.*sin(t);
T=2*X+3;
figure;
plot(t,X,'+-',t,T,'+--');
legend('系統(tǒng)輸入','系統(tǒng)輸出');
set(gca,'xlim',[0 4*pi]);
set(gcf,'position',[50,50,400,400]);
net=newlind(X,T);
y=sim(net,X);
figure;
plot(t,y,'+:',t,y-T,'r:');
legend('網(wǎng)絡(luò)預(yù)測輸出','誤差');
set(gca,'xlim',[0 4*pi]);
set(gcf,'position',[50,50,400,400]);