本文小編為大家詳細介紹“matlab怎么實現單層競爭神經網絡的數據分類”，內容詳細，步驟清晰，細節處理妥當，希望這篇“matlab怎么實現單層競爭神經網絡的數據分類”文章能幫助大家解決疑惑，下面跟著小編的思路慢慢深入，一起來學習新知識吧。
在無監督，無期望輸出的情況下，基于有導師學習的神經網絡往往是無能為力的。自組織神經網絡可以通過對客觀事件的反復觀察分析與比較，字形題是其內在規則。并對具有共同特征的事物進行正確的分類，此種網絡更與人腦中生物神經網絡的學習模式類似，即可以通過自動尋找樣本中的內在規律和本質屬性，自組織，自適應地改變網絡參數與結構，這也是自組織名稱的由來，自組織神經網絡的學習規則，大多采用競爭性的學習規則。
競爭型神經網絡的基本思想是網絡競爭層的各個神經元，通過競爭來獲得對輸入模式的響應機會，最后僅有一個神經元成為競爭的勝利者，并將與獲勝神經元有關的各個連接權值向著更有利于其競爭的方向調整，自組織競爭網絡自組織自適應地學習能力，進一步拓寬了神經網絡在模式分類和識別方面的應用。
%% 清空環境變量
clc
clear
%% 錄入輸入數據
% 載入數據并將數據分成訓練和預測兩類
load gene.mat;
data=gene;
P=data(1:40,:);
T=data(41:60,:);
% 轉置后符合神經網絡的輸入格式
P=P';
T=T';
%% 網絡建立和訓練
% 建立競爭網絡：
net = competlayer(2);
% 初始化網絡及設定網絡參數：
net=init(net);
net.trainparam.epochs=20;
% 訓練網絡：
net=train(net,P);
%% 網絡的效果驗證
% 將原數據回帶，測試網絡效果：
a=sim(net,P);
ac=vec2ind(a);
%% 網絡作分類的預測
% 下面將后20個數據帶入神經網絡模型中，觀察網絡輸出：
Y=sim(net,T);
yc=vec2ind(Y);
讀到這里，這篇“matlab怎么實現單層競爭神經網絡的數據分類”文章已經介紹完畢，想要掌握這篇文章的知識點還需要大家自己動手實踐使用過才能領會，如果想了解更多相關內容的文章，歡迎關注億速云行業資訊頻道。
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。
