《神经网络技术与应用》程序题答案Word格式.docx
《《神经网络技术与应用》程序题答案Word格式.docx》由会员分享，可在线阅读，更多相关《《神经网络技术与应用》程序题答案Word格式.docx（17页珍藏版）》请在冰豆网上搜索。
4．简述CMAC网络的结构及特点。
5．试用RBF网络学习一下函数（步骤可参看第3题）：
其中：
。
若输入信号的分辨率不同时，对算法的收敛过程有何影响。
6．用Hopfield网络对如下字符进行识别：
（1）试确定网络结构和网络权值；
（2）将污染率为10%字符“0”、“1”、“2”、“3”（随机设定）输入网络，给出网络收敛后的结果。
（3）将污染率为20%字符“4”、“6”、“9”（随机设定）输入网络，给出网络收敛后的结果。
（20分）
7．简述ART-1网络的结构和工作过程。
8．结合自己的研究方向，谈谈如何应用神经网络理论和知识解决面临的实际问题，要求给出实例。
3.
程序如下
x=-5:
0.001:
5;
y=cos（x）+2*sin（x）+5*x+exp（2*x）;
net=newff（minmax（x）,[8,1],{'
tansig'
'
purelin'
},'
trainlm'
）;
net.trainparam.epochs=10000;
net.trainparam.goal=0.01;
[net,tr]=train（net,x,y）;
>
plot（x,y）
title（'
标准输出'
holdoff
y4=sim（net,x）;
plot（x,y4）
plot（x,y4,'
b'
）
g'
样本不变情况下训练后输出'
y1=cos（x1）+2*sin（x1）+5*x1+exp（2*x1）;
x1=-5:
0.0009:
y1=cos（x1）+2*sin（x1）+5*x1+exp（2*x1）;
plot（x1,y1,'
r'
样本改变后标准输出'
y2=sim（net,x1）;
plot（x1,y2,'
title（'
样本改变后训练输出'
err=y2-y1;
plot（x1,err,'
误差曲线'
N越大，训练次数越少，网络性能越好，学习效果变好，但是N太大会导致计算机单步计算时间变长；
越大，训练次数越少，训练时间减少，网络性能变差，学习效果变坏；
总体上说，N越大，
越小，学习效果会越好。
但是会牺牲时间，有时候系统可能会达不到
的训练要求。
5.
clear
x=rand（2,1000）;
x=（x-0.5）*10;
x1=x（1,:
x2=x（2,:
y=x1.^3+x2.^3+3*x1.^2+6*x1+7*x2+5*x1.*x2;
net=newrb（x,y）;
NEWRB,neurons=0,MSE=9868.38
NEWRB,neurons=25,MSE=136.414
NEWRB,neurons=1000,MSE=1.41658e-010
[i,j]=meshgrid（-5:
0.1:
5）;
row=size（i）;
tx1=i（:
tx1=tx1'
;
tx2=j（:
tx2=tx2'
tx=[tx1;
tx2];
ty=sim（net,tx）;
v=reshape（ty,row）;
figure
mesh（i,j,v）;
zlim（[-200,600]）;
rbf网络'
[x1,x2]=meshgrid（-5:
0.05:
mesh（x1,x2,y）
函数曲面图'
mesh（x1,x2,v-y）;
误差曲面效果图'
输入信号分辨率越高，学习速率越低，需要更多时间才能完成rbf网络的训练，算法收敛过程变慢，学习效果变好；
过大的分辨率可能会导致计算机内存溢出而崩溃。
6.
程序如下：
zero=[-1-1-1-1-1-1-1-1-1-1;
-1-1-11111-1-1-1;
-1-1111111-1-1;
-1111-1-1111-1;
-1-1-1-1-1-1-1-1-1-1];
.....
one=-1*one;
zero=-1*zero;
two=-1*two;
I=[zero;
one;
two;
three]'
subplot（3,4,1）;
imshow（imresize（zero,20））;
标准字符0'
subplot（3,4,2）;
imshow（imresize（one,20））;
标准字符1'
subplot（3,4,3）;
imshow（imresize（two,20））;
标准字符2'
subplot（3,4,4）;
imshow（imresize（three,20））;
标准字符3'
net=newhop（I）
rand（'
state'
0）;
fori=1:
120
a=rand;
ifa<
=0.3
one（i）=-1*one（i）;
zero（i）=-1*zero（i）;
two（i）=-1*two（i）;
three（i）=-1*three（i）;
end
no0=zero;
no1=one;
no2=two;
no3=three;
subplot（3,4,5）;
污染后字符0'
subplot（3,4,6）;
污染后字符1'
subplot（3,4,7）;
污染后字符2'
subplot（3,4,8）;
污染后字符3'
noise0={（no0）'
};
tu0=sim（net,{12,10},{},noise0）;
subplot（3,4,9）;
imshow（imresize（tu0{10}'
20））;
收敛后字符0'
noise1={（no1）'
tu1=sim（net,{12,10},{},noise1）;
subplot（3,4,10）;
imshow（imresize（tu1{10}'
收敛后字符1'
noise2={（no2）'
tu2=sim（net,{12,10},{},noise2）;
subplot（3,4,11）;
imshow（imresize（tu2{10}'
收敛后字符2'
noise3={（no3）'
tu3=sim（net,{12,10},{},noise3）;
subplot（3,4,12）;
imshow（imresize（tu3{10}'
收敛后字符3'
four=[1-1-11111-1-11;
1-1-11111-1-11;
1-1-1-1-1-1-1-1-11;
1111111-1-11;
];
......
subplot（3,3,1）;
imshow（imresize（four,1））;
标准字符4'
subplot（3,3,2）;
imshow（imresize（six,1））;
标准字符6'
subplot（3,3,3）;
imshow（imresize（nine,1））;
标准字符9'
k=10;
I=[four;
six;
nine]'
rand（'
fori=1:
a=rand;
ifa<
=0.2
four（i）=-1*four（i）;
six（i）=-1*six（i）;
nine（i）=-1*nine（i）;
no4=four;
no6=six;
no9=nine;
subplot（3,3,4）;
污染后字符4'
subplot（3,3,5）;
污染后字符6'
subplot（3,3,6）;
污染后字符9'
noise4={（no4）'
tu4=sim（net,{12,k},{},noise4）;
subplot（3,3,7）;
imshow（imresize（tu4{k}'
1））;
收敛后字符4'
noise6={（no6）'
tu6=sim（net,{12,k},{},noise6）;
subplot（3,3,8）;
imshow（imresize（tu6{k}'
收敛后字符6'
noise9={（no9）'
tu9=sim（net,{12,k},{},noise9）;
subplot（3,3,9）;
imshow（imresize（tu9{k}'
收敛后字符9'
升级会员 