朱凯:精通matlab神经网络

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

《精通MATLAB神经网络》由MATLAB入门篇、神经网络提高篇和神经网络综合实战篇3篇组成。MATLAB入门篇主要介绍MATLAB软件、基本运算、图形绘制、程序设计和Simulink仿真；神经网络提高篇讲述神经网络的主要内容，包括神经网络工具箱和GUI工具，以及感知器、线性、BP、径向基、自组织、反馈等各种不同的神经网络，讲述各种神经网络的性能分析与直观的图形结果，使读者更加透彻地了解各种神经网络的性能及其优缺点，从而达到理解和应用神经网络的目的。

基本信息

• 出版社: 电子工业出版社; 第1版 (2010年1月1日)
• 平装: 456页
• 开本: 16
• ISBN: 9787121099854
• 条形码: 9787121099854
• 商品尺寸: 25.2 x 18.4 x 3 cm
• 商品重量: 1.2 Kg
• 品牌: 电子工业出版社
• ASIN: B0031U192E
• 用户评分: 平均3.6 星 浏览全部评论(8 条商品评论)
• 亚马逊热销商品排名: 图书商品里排第865,766名 (查看图书商品销售排行榜)
  

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享1 收藏3 回帖

关键词：MATLAB神经网络 matlab神经 精通matlab MATLAB atlab matlab 神经网络

1. P = [0 2];
   
2. T = [0 1];
   
3. net = newp(P,T);
   
4. 
   
5. inputweights = net.inputweights{1,1}

复制代码

1. net = newp([-2 2;-2 2],[0 1]);
   
2. 
   
3. net.IW{1,1}= [-1 1];
   
4. net.b{1} = [1];
   
5. 
   
6. net.IW{1,1}
   
7. 
   
8. net.b{1}
   
9. 
   
10. p1 = [1;1];
    
11. a1 = sim(net,p1)
    
12. 
    
13. p2 = [1;-1];
    
14. a2 = sim(net,p2)
    
15. 
    
16. p3 = {[1;1] [1;-1]};
    
17. a3 = sim(net,p3)

复制代码

1. net = newp([-2 2;-2 2],[0 1]);
   
2. 
   
3. wts = net.IW{1,1}
   
4. bias = net.b{1}
   
5. 
   
6. net.IW{1,1} = [3,4];
   
7. net.b{1} = 5;
   
8. 
   
9. net = init(net);
   
10. 
    
11. net.inputweights{1,1}.initFcn = 'rands';
    
12. net.biases{1}.initFcn = 'rands';
    
13. net = init(net);

复制代码

1. net = newp([-2 2;-2 2],[0 1]);
   
2. 
   
3. net.b{1} =  [0];
   
4. w = [1 -0.8];
   
5. net.IW{1,1} = w;
   
6. 
   
7. p = [1; 2];
   
8. t = [1];
   
9. 
   
10. a = sim(net,p)
    
11. e = t-a
    
12. 
    
13. dw = learnp(w,p,[],[],[],[],e,[],[],[])
    
14. w = w + dw

复制代码

1. net = newp([-2 2;-2 2],[0 1]);
   
2. net.trainParam.epochs = 1;
   
3. 
   
4. p = [[2;2] [1;-2] [-2;2] [-1;1]]
   
5. t = [0 1 0 1]
   
6. 
   
7. net = train(net,p,t)
   
8. 
   
9. w =net.iw{1,1}, b = net.b{1}
   
10. 
    
11. a = sim(net,p)
    
12. 
    
13. net.trainParam.epochs = 1000;
    
14. net = train(net,p,t);
    
15. 
    
16. w = net.iw{1,1}, b = net.b{1}
    
17. 
    
18. a = sim(net,p)
    
19. error = a-t

复制代码

1. P = [ -0.5 -0.5 +0.3 -0.1;
   
2.     -0.5 +0.5 -0.5 +1.0];
   
3. T = [1 1 0 0];
   
4. plotpv(P,T);
   
5. 
   
6. net = newp([-1 1;-1 1],1);
   
7. 
   
8. plotpv(P,T);
   
9. plotpc(net.IW{1},net.b{1});
   
10. 
    
11. 
    
12. net.adaptParam.passes = 3;
    
13. net = adapt(net,P,T);
    
14. plotpc(net.IW{1},net.b{1});
    
15. 
    
16. hold on;
    
17. p = [0.7; 1.2];
    
18. a = sim(net,p);
    
19. plotpv(p,a);xlim([-1,0.8]),ylim([-1,1.5]);

复制代码

1. %例4-1
   
2. 
   
3. 
   
4. %生成线性神经元
   
5. 
   
6. net = newlin([-1 1; -1 1],[-1 1]);
   
7. 
   
8. %查看当前的网络权值和偏差
   
9. W = net.IW{1,1}
   
10. b= net.b{1}
    
11. 
    
12. %对权值和偏差赋值
    
13. net.IW{1,1} = [2 3];
    
14. W = net.IW{1,1}
    
15. 
    
16. %定义输入矢量p
    
17. p = [5;6];
    
18. 
    
19. %仿真
    
20. a = sim(net,p)

复制代码

1. %例4-3
   
2. 
   
3. 
   
4. %定义输入输出矢量
   
5. 
   
6. P = {1 2 1 3 3 2};
   
7. T = {5 6 4 20 7 8};
   
8. 
   
9. %网络输入的初始延迟
   
10. Pi = {1 3};
    
11. 
    
12. %生成相应的线性滤波器仿真，
    
13. net = newlind(P,T,Pi);
    
14. Y = sim(net,P,Pi)

复制代码

1. %例4-4
   
2. 
   
3. 
   
4. %定义输入输出延迟矢量
   
5. P1 = {1 2 1 3 3 2}; Pi1 = {1 3 0};
   
6. P2 = {1 2 1 1 2 1}; Pi2 = {2 1 2};
   
7. T1 = {5.0 6.1 4.0 6.0 6.9 8.0};
   
8. T2 = {11.0 12.1 10.1 10.9 13.0 13.0};
   
9. 
   
10. 
    
11. %newlind函数生成线性滤波器网络
    
12. net = newlind([P1; P2],[T1; T2],[Pi1; Pi2]);
    
13. 
    
14. 
    
15. %sim函数仿真
    
16. Y = sim(net,[P1; P2],[Pi1; Pi2]);
    
17. 
    
18. 
    
19. Y1 = Y(1,:)
    
20. Y2 = Y(2,:)

复制代码