文档介绍：神经网络设计
S0801461
张炳良
智能监测与控制专业
**********
实验一模式识别
一、实验要求
表1中给出了某结构在多种状态下的特征向量,表2给出了某时刻结构的特征向量,请使用人工神经网络根据表2中的特征向量判断其所属状态。
表1
 
特征1
特征2
特征3
特征4
特征5
特征6
特征7
特征8
特征9
特征10
状态1
状态2
状态3
状态4
状态5
状态6
表2
特征1
特征2
特征3
特征4
特征5
特征6
特征7
特征8
特征9
特征10
时刻1
时刻2
时刻3
二、实验内容
⑴网络结构
本实验采用图1所示的竞争型神经网络结构。网络的第一层的权值矩阵为。矩阵的每一行都代表我们想要识别的一种原型向量。第一层的输出是。
,
竞争型网络的第二层神经元相互竞争以确定胜者。竞争过后,只有一个神经元有非零输出。获胜的神经元指明输入属于哪类(每个原型向量都代表一类)。竞争传输函数对权值向量和输入向量方向最为接近的神经元的输出指定为1:
图1 竞争型网络结构
⑵设计方案
由表1中的状态1~7组成网络的第一层的权值矩阵。通过第二层竞争层,输入向量与权值矩阵内积最大的神经元在该层中获胜,此时所在神经元的下标号即是输入特征向量的所属状态。
⑶程序流程
图2 竞争型网络算法流程
⑷实验结果和分析
时刻1时:
网络输入p1=[ ];
网络得到其判别结果为:a1=[1; 0; 0; 0; 0];
时刻2时:
网络输入p2=[ ];
网络得到其判别结果为:a1=[0; 0; 1; 0; 0];
时刻3时:
网络输入p3=[ ];
网络得到其判别结果为:a1=[0; 0; 0; 1; 0];
由此得到三个时刻对应的状态分别是:状态1、状态3和状态4。
⑸源程序清单
function [a]=HammingToClassification(p)
p=p';
w=[
;
;
;
;
;