X
=
[0
1
0
1]
clusters
=
5
points
=
10
std_dev
=
0.05
P
=
nngenc(X,clusters,points,std_dev)
plot(P(1,:),P(2,:),'+r')
title('输入样本向量')
xlabel('p(1)')
ylabel('p(2)')
%建立网络
net=newc([0
10
1],5,0.1)
%得到网络权值,并在图上绘出
figure
plot(P(1,:),P(2,:),'+r')
w=net.iw{1}
hold
on
plot(w(:,1),w(:,2),'ob')
hold
off
title('输入样本向量及初始权值')
xlabel('p(1)')
ylabel('p(2)')
figure
plot(P(1,:),P(2,:),'+r')
hold
on
%训练网络
net.trainParam.epochs=7
net=init(net)
net=train(net,P)
%得到训练后的网络权值,并在图上绘出
w=net.iw{1}
plot(w(:,1),w(:,2),'ob')
hold
off
title('输入样本向量及更新后的权值')
xlabel('p(1)')
ylabel('p(2)')
a=0
p
=
[0.6
0.8]
a=sim(net,p)
基本解答如下:(1-1):
function [b,y] = by(m,n)
b=lcm(m,n)%最小公倍数
y=gcd(m,n)%最大公约数
end
(1-2):
function t=sushu(n)
m=floor(sqrt(n))
for i=2:m
if mod(n,i)==0
t=0
break
else
t=1
end
end
end
(2):可以一次算出每一项,发现他们都是同一个值,这个值的求法:SUM=sum(1:n^2)/n%n阶魔幻阵特有的和
function [A,H,L,DJ,SUM]=mag(n)
A=magic(n)%产生一个n阶魔幻阵
H=sum(A)%每行的和
L=sum(A)%每列的和
DJ=sum(diag(A))%对角线和
SUM=sum(1:n^2)/n%n阶魔幻阵特有的和
end
(3):这题我给出“该数各位数字之和为奇数”的求法,结合上面有判断素数的代码自己可以求出
该数各位数字之和为奇数:
function funct
for i=2:999
%l=floor(log10(i))+1 %提取位数
n1=floor(i/100) %取出百位数字n1
n2=mod(floor(i/10),10)%取出十位数字n2
n3=mod(i,10) %取出个位数字n3
nsum=n1+n2+n3
if rem(nsum,2)~=0%判断是否为奇数
disp (i)
end
end
end
自己可以调试看看,祝你成功!
Fs=20e3f1=1e3
f2=8e3
N=2000
dt=1/Fs
df=Fs/N
t=(0:N-1)*dt
y=sin(2*pi*f1*t)+2*sin(2*pi*f2*t)
%滤波前时域及频谱
figure(1)
subplot(2,1,1)
len=120
plot(t(1:len),y(1:len))
title('低通滤波前信号')
xlabel('时间(s)')
ylabel('幅值')
grid on
subplot(2,1,2)
Y=abs(fft(y))
f=(0:N/2)*df
Y(1)=Y(1)/N
Y(2:N/2)=Y(2:N/2)/(N/2)
Y(N/2+1)=Y(N/2+1)/N
plot(f,Y(1:N/2+1))
xlabel('频率(Hz)')
ylabel('幅值')
grid on
%滤波器
figure(2)
Wp=2e3
Ws=3e3
Rp=2
Rs=20
[n,Wn]=buttord(Wp/(Fs/2),Ws/(Fs/2),Rp,Rs)
[b,a]=butter(n,Wn)
[H,ff]=freqz(b,a,N,Fs)
plot(ff,abs(H))
title('低通滤波特性曲线')
xlabel('频率(Hz)')
ylabel('归一化幅度')
grid on
%滤波后时域及频谱
figure(3)
subplot(2,1,1)
y2=filter(b,a,y)
plot(t(1:len),y2(1:len))
title('低通滤波后信号')
xlabel('时间(s)')
ylabel('幅值')
grid on
subplot(2,1,2)
Y=abs(fft(y2))
Y(1)=Y(1)/N
Y(2:N/2)=Y(2:N/2)/(N/2)
Y(N/2+1)=Y(N/2+1)/N
plot(f,Y(1:N/2+1))
xlabel('频率(Hz)')
ylabel('幅值')
grid on
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)