神經網路學習筆記 ...
close all;clear;clc;
y=-10:0.01:9.99; %從-10到9.99每次遞增0.01 取 2000個資料
yn=sin(y); %把 y 中 2000個資料全部進行 sin 運算
p=y(1:800); %從 y矩陣中取 1~800個資料
t=yn(1:800); %從yn 中取 1~800個資料
o1=y(801:1600); %不多說了 取 801~1600個資料 (作為訓練後的神經網路使用)
o2=yn(801:1600); %801~1600個資料，真正的 sin 運算結果
for i=2:5
net=newrbe(p,t,i); %使用 newrbe演算法進行 nn訓練，i可選擇(徑向基函式擴充套件速度)，具體可以檢視api中的example
end%figure(1);
%plotperf(tr);
a=sim(net,o1); %使用我們訓練出來的神經網路
%figure(2);
%plot([p o1],'r');
figure(3); %新開一張圖
plot([t a],'b'); %把t 和 a資料繪畫到圖上面 用blue顏色
hold on;
plot([t o2],'r'); %把t 和 o2資料繪畫到圖上面 用red顏色
title('red line=t,blue line=t+a');
徑向基神經網路相關函式 newrbe
help newrbe newrbe design exact radial basis network 建立乙個嚴格的徑向基神經網路 this matlab function takes two or three arguments,p rxq matrix of q r element inpu...
用神經網路模擬分子
神經節點之間的作用方式看起來如此像微觀粒子之間的作用方式，那是否有可能用神經網路模擬分子 如上圖，學習率當然就是蒲朗克常熟，權重不能套用經典物理的力，是用概率幅，而概率幅是乙個沒有方向可以直接相加的量。c只有6個電子，畫兩層是為了模擬電子相互之間的作用。看起來很像人工神經網路的結構 比如甲烷用神經網...
神經網路 卷積神經網路
這篇卷積神經網路是前面介紹的多層神經網路的進一步深入，它將深度學習的思想引入到了神經網路當中，通過卷積運算來由淺入深的提取影象的不同層次的特徵，而利用神經網路的訓練過程讓整個網路自動調節卷積核的引數，從而無監督的產生了最適合的分類特徵。這個概括可能有點抽象，我盡量在下面描述細緻一些，但如果要更深入了...