%實現的分類結果真的不好，才0.3+，這裡只是簡單的說明怎麼使用函式，至於實現達不到效果的問題，後續會研究clear all
clc
%% 讀入資料
xlsfile='train.txt';
x = load(xlsfile);
[m,n] = size(x);
traind = x(:,1:n-1);
label = x(:,n);
testl = load('result.txt');
testd = load('test.txt');
%% 資料處理
%標準化處理
% [traind,mu,sigma] = zscore(traind);
% [testd,mu,sigma] = zscore(testd);
%歸一化處理
[traind,g] = mapminmax(traind);
[testd,g] = mapminmax(testd);
%%p = traind';
t = label';
test_p = testd';
test_pl = testl';
%% 使用newff函式
ff=newff(p,t,30); % 建立乙個bp網路，包含乙個20個節點的隱含層
ff.trainparam.epochs = 50;
ff = train(ff,p,t); % 訓練
y1= sim(ff,test_p); % **
y1_init = y1;
% 取整
y1(y1<0.5)=0;
y1(y1>=0.5)=1;
rate1 = sum(y1 == test_pl)/length(y1);
%% 使用newcf函式
% cf=newcf(p,t,20); % 用newcf建立前向網路
% cf.trainparam.epochs = 50;
% cf = train(cf,p,t); % 訓練
% y2 = sim(cf,test_p); % **
% % y2_init = y2;
% % % 取整
% y2(y2<0.5)=0;
% y2(y2>=0.5)=1;
% rate2 = sum(y2 == test_pl)/length(y2);
%% 使用newfftd函式
% net = newfftd(p,t,[0 1],5); % 建立隱含層包含5個神經元的bp網路
% net.trainparam.epochs = 100;
% % net.trainparam.lr=0.1;
% net.trainparam.goal=0.0000004;
% % net = train(net,p,t);
% y3 = net(test_p);
% % y3_init = y3;
% % % 取整
% y3(y3<0.5)=0;
% y3(y3>=0.5)=1;
% rate3= sum(y3 == test_pl)/length(y3);
%% 使用newrb或者newgrnn函式
%net=newrb(p,t,0,0.6);
% net = newgrnn(p,t);
% y4=sim(net,test_p);
% % y4_init = y4;
% % 取整
% y4(y4<0.5)=0;
% y4(y4>=0.5)=1;
% rate4= sum(y4 == test_pl)/length(y4);
線性神經網路 matlab神經網路
自適應線性元件20世紀50年代末由widrow和hoff提出，主要用於線性逼近乙個函式式而進行模式聯想以及訊號濾波 模型識別和控制等。線性神經網路和感知器的區別是，感知器只能輸出兩種可能的值，而線性神經網路的輸出可以取任意值。線性神經網路採用widrow hoff學習規則，即lms least me...
MATLAB神經網路
ai 菌這幾天沉迷於數模的ai菌來補發文章啦。深深地體會到雖然神經網路工具的api已經有了非常完備的封裝，但是資料的預處理真的讓人感覺非常的麻煩。當你把所有的異常點一一清理，有一種 掘地求公升終於爬出大氣層 飛向太空的感覺 雖然ai菌連夢想開始的地方都爬不出去 所以今天就來介紹一下這幾天的收穫吧 a...
bp神經網路matlab 神經網路有哪些網路
深度學習，人工智慧，神經網路這些概念往往令初學者頭疼不已，這裡列出其基礎概念的歸納總結，幫助小白入坑，共同學習。人工神經網路 artificial neural network，ann 是一種模擬生物神經網路的結構和功能的數學模型或計算模型。神經網路與小波分析 混沌 粗糙理論 分形理論的融合。194...