资源简介
[alphabet,targets]=prprob; % Character recognition problem definition
S1=10; % 定义隐层神经元数目
[R, Q]= size(alphabet); % 获取输入变量数
[S2,Q]=size(targets); % 获取输出变量数
P=alphabet; % P为输入矩阵
net= newff(minmax(P),[S1 S2],{'logsig' 'logsig'},'traingdx'); % 生成BP网络
net.LW{2,1}= net.LW{2,1}*0.01; % 调整输出层权值
net.b{2}= net.b{2}*0.01;
代码片段和文件信息
%神经网络进行字符识别
close all
clear
echo on
clc
%用BP神经网络进行英文字符识别
%NEWFF——生成一个新的bp神经网络
%TRAIN——对神经网络进行训练
%SIM——对神经网络进行仿真
pause % 敲任意键开始
clc
%载入训练样本
[alphabettargets]=prprob
[R1Q1]=size(alphabet)
[R2Q2]=size(targets)
pause
clc
%生成神经网络
S1=10
S2=R2
net=newff(minmax(alphabet)[S1 S2]{‘logsig‘ ‘logsig‘}‘traingdx‘);
net.LW{21}=net.LW{21}*0.01;
pause
clc
%训练神经网络
%1.用理想样本训练神经网络
P=alphabet;
T=targets;
%net.performFcn=‘see‘;
net.trainParam.goal=0.1;
net.trainParam.show=20;
net.trainParam.epochs=5000;
net.trainParam.mc=0.095;
[nettr]=train(netPT);
pause
clc
%2.用喊有不同程度噪声的样本训练神经网络
netn=net;
netn.trainParam.goal=0.6;
netn.trainPAram.epochs=300;
T=[targets targets targets targets];
for pass=1:10
fprintf(‘Pass=%.0f\n‘pass);
P=[alphabetalphabet(alphabet+randn(R1Q1)*0.1)(alphabet+randn(R1Q1)*0.2)];
[netntr]=train(netnPT);
echo off
end
echo on
pause
%3.再次用理想样本训练神经网络
netn.trainParam.goal=0.1;
netn.trainParam.epochs=500;
netn.trainParam.show=5;
P=alphabet;
T=targets;
[netntr]=train(netnPT);
%训练
- 上一篇:matlab编写的流体计算和传热程序
- 下一篇:matlab 图像校正
相关资源
- MPC路径跟踪
-
Fuzzysimuli
nk有关模糊PID问题概述-自适 -
基于Simuli
nk的电动助力转向控制策略 - 粒子群算法优化pid源码 matlab仿真.ra
- 8916_msimage.mbn
-
瑞利信道simuli
nk仿真模型及源代码 -
Matlab+Simuli
nk-cmi、miller、双相码 -
MATLAB/simuli
nk短路电流仿真 - 二连杆系统独立PD控制和PD+重力补偿控
-
PLLsimuli
nk仿真模型 -
simuli
nk锁相环仿真 - SHINEtoolbox
- 冲击电压发生器MATLAB仿真,主要是单
-
跳频通信仿真simuli
nk包含程序和线路 - 高压直流输电系统的滤波器设计及仿
-
Simuli
nk TI C2000 DSP 硬件支持包离线安 - 高压直流输电系统的滤波器设计及S
-
同步发电机Matlab/simuli
nk仿真 - VANET仿真,用matlab实现仿真测试的源码
-
simuli
nk三电平背靠背变流器控制永磁 - 单连杆系统独立PD控制和PD+重力补偿控
-
simuli
nk中的UWB和6轴imu融合算法程序 - 基于数字电路的交通红绿灯设计 mul
-
基于Simuli
nk的车辆行驶液压系统仿真 -
飞控simuli
nk仿真.zip - 优化的基于不定频滞环的SVPWM控制si
- 微机保护算法仿真.zip
- 24脉波整流仿真
-
SVPWM的simuli
nk仿真286115 -
simuli
nk的使用手册全
评论
共有 条评论