溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章給大家介紹神經網絡模式識別工具nprtool怎么用，內容非常詳細，感興趣的小伙伴們可以參考借鑒，希望對大家能有所幫助。
模式識別又稱模式分類，廣義的模式識別包括有監督的識別和無監督的識別，分別對應有目標數據和無目標數據的訓練過程，前者的訓練數據所屬類別未知，而后者的訓練數據所屬類別已知。神經網絡模式識別工具中所指的模式識別主要是后者，即有監督的分類。對于無監督的分類問題，可以使用神經網絡聚類工具加以解決。
在模式識別問題中，輸入的數據將被劃分為事先規定好的某一個類別，類別的數量是確定的，每個輸入樣本最終都會被歸為預定好的某一個類別中，神經網絡模式識別工具可以用來收集數據，創建和訓練神經網絡，并用均方誤差（MSE）和混淆矩陣來評價網絡。系統使用的是一個兩層（不包括輸入層和輸出層）的前向網絡
在命令行輸入nprtool打開神經網絡模式識別工具
構造測試數據
x=[0.1,4.2;-0.25,2.8;3,1.1;-0.9,1.2;-1.2,1;3.4,1;-2.5,-1.5;3,3.2;...
-2.5,2.7;3.1,-3.2;4,-1.2;3.9,-1;4,3;-4,3.5]';
y=[1,1,1,1,1,2,1,2,1,2,2,2,2,1];
y0=ind2vec(y);
在聚類工具中點擊Next進入數據選擇界面。模式識別需要目標數據，因此這里需要指定輸入和目標樣本。
此處的目標樣本需要表示成向量的形式
點擊Next進入Validation and Test Data 界面，將數據集劃分為訓練樣本、驗證樣本和測試樣本。
點擊Next進入網絡結構界面，設置隱含層神經元個數
點擊Next進入網絡訓練界面，點擊Train開始訓練，默認迭代次數為1000次
訓練完成后將顯示訓練樣本、驗證樣本和測試樣本的均方誤差和錯分率。
錯分率是指將樣本中的數據錯誤地劃分為另一類的比例
點擊Next進入網絡評價界面，生成測試數據
xx=-4.4:.4:4.5;
N=length(xx);
for i=1:N
for j=1:N
xt(1,(i-1)*N+j)=xx(i);
xt(2,(i-1)*N+j)=xx(j);
end
end
yt=ones(1,529);
yt(1)=2;
yt=ind2vec(yt);
選擇測試數據后點擊Test Network進行仿真測試
測試結果
點擊Next進入結果保存界面，可以保存網絡和變量，或者將網絡導出為MATLAB腳本或Simulink模型
點擊Finish完成分類
關于神經網絡模式識別工具nprtool怎么用就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
