嗯,挺不错的, 不过现在已经有《matlab神经网络43个案例分析》了,是30个案例的升级版 。
它是matkabsky论坛出版的,还有个matlab中文论坛出版的,《MATLAB神经网络原理与实例精解(附光盘)》也是挺不错的。。 这两本里面都有比较多的干货。
另外《神经网络之家》网,nnetinfo也推荐你去看看,上面也有些视频可以下载。
我最近也学了一点,主要是用于BP网络上面的编程,这里有个例子你先看看!
X
=
[0
1;
0
1];
clusters
=
5;
points
=
10;
std_dev
=
005;
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
1;0
1],5,01);
%得到网络权值,并在图上绘出
figure;
plot(P(1,:),P(2,:),'+r');
w=netiw{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
nettrainParamepochs=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=netiw{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
=
[06
;08];
a=sim(net,p)
可以用函数 regress( )来解决。
[b,bint,r,rint,stats] = regress(y,X)
b——拟合线性函数的系数
bint——系数b的置信区间
r——残值向量
rint——残值的置信区间
stats——检验统计量,第一值是回归方程的置信度,第二值是F统计量,第三值是与F统计量相应的p值,当p值很小,说明回归模型成立
X——自变量向量,X=[ones(3,1) x1 x2 x3]
y——应变量向量
我刚刚编了一个小程序,希望能帮助你。
clc;
all=50;
rent=1000;
add=50;
fix=100;
In_max=0;
for i=0:50
In=(rent+addi)(all-i)-fix(all-i);
if In>In_max
In_max=In; number=i;
end
end
realrent=rent+addnumber
In_max
结果输出:
realrent =
1800
In_max =
57800
以上就是关于matlab神经网络30个案例分析适合初学者吗全部的内容,包括:matlab神经网络30个案例分析适合初学者吗、急需一个用Matlab语言编写的程序例子、用matlab对一组数据的最小二乘法的多元线性回归分析~等相关内容解答,如果想了解更多相关内容,可以关注我们,你们的支持是我们更新的动力!
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)