%---------------------------------------------%
%					??????%
%??????????工作室提供代做matlab仿真	??????%
%					??????%
%??詳情請訪問：http://cn.mikecrm.com/5k6v1DP??%
%					??????%
%---------------------------------------------%

clear?all
close?all
clc
rand（‘seed‘2）;

nSampDim=2;??%樣本是二維的
t1=rand（10001）.*pi;
t2=rand（10001）.*pi+pi;
r=3*rand（10001）+5;?
x1=r.*cos（t1）;
y1=r.*sin（t1）-1;?
x2=r.*cos（t2）+5;
y2=r.*sin（t2）+4;
%p1=[x1y1]*[cos（pi/50）sin（pi/50）;-sin（pi/50）cos（pi/50）];
%p2=[x2y2]*[cos（pi/50）sin（pi/50）;-sin（pi/50）cos（pi/50）];

%A1=p1（:1）;??%旋轉后x軸的坐標
%A2=p1（:2）;??%旋轉后y軸的坐標
%C1=p2（:1）;
%C2=p2（:2）;
A=[x1y1];??
C=[x2y2];
%AB各取150個進行訓練
train_num_A=750;
train_num_C=750;
nTrainNum=train_num_A+train_num_C;
NUM_A=1000;
NUM_C=1000;
%?A隨機選取訓練與測試的數據
r=randperm（NUM_A）;??%隨機打亂A序列
traind（1:train_num_A:）=A（r（1:train_num_A）:）;??%選A中的150個進行訓練
testd（1:NUM_A-train_num_A:）=A（r（train_num_A+1:NUM_A）:）;??%選A中剩下的150個進行測試
%C隨機選取訓練與測試的數據
r=randperm（NUM_C）;??%隨機打亂C的序列
traind（train_num_A+1:train_num_A+train_num_C:）=C（r（1:train_num_C）:）;
testd（NUM_A-train_num_A+1:NUM_A+NUM_C-train_num_A-train_num_C:）=C（r（train_num_C+1:NUM_C）:）;
%賦值
train1=zeros（1train_num_A+train_num_C）;
train1（1:train_num_A）=1;
test1=zeros（1NUM_A+NUM_C-train_num_A-train_num_C）;
test1（1:NUM_A-train_num_A）=1;
%%構造網絡
net.nIn=2;??%兩個輸入層節點
net.nHidden=10;??%3個隱含層節點
net.nOut=1;??%一個輸出層節點
w=2*（rand（net.nHiddennet.nIn）-1/2）;
b=2*（rand（net.nHidden1）-1/2）;
net.w1=[wb];
W=2*（rand（net.nOutnet.nHidden）-1/2）;
B=2*（rand（net.nOut1）-1/2）;
net.w2=[WB];
%%訓練數據歸一化
%mm=mean（traind）;
%均值平移
%traind_s=zeros（nTrainNum2）;
%for?i=1:2
????%traind_s（:i）=traind（:i）-mm（i）;
%end
%方差標準化
%m1（1）=std（traind_s（:1））;
%m1（2）=std（traind_s（:2））;
%for?i=1:2
????%traind_s（:i）=traind_s（:i）/m1（i）;
%end
%%訓練
SampleInEx=[traind‘;ones（1nTrainNum）];
expectedOut=train1;
eb=0.01;??%誤差容限
eta=0.1;??%學習率
mc=0.1;??%動量因子
maxiter=5000;??%最大迭代次數
iteration=0;??%第一代

errRec=zeros（1maxiter）;
outRec=zeros（nTrainNummaxiter）;
NET=[];%記錄
%開始迭代
for?i=1:maxiter
????hid_input=net.w1*SampleInEx;??%隱含層的輸入
????hid_out=sigmoid（hid_input）;??%隱含層的輸出
????ou_input1=[hid_out;ones（1nTrainNum）];??%輸出層的輸入
????ou_input2=net.w2*ou_input1;
????out_out=sigmoid（ou_input2）;
????outRec（:i）=out_out‘;
????err=expectedOut-out_out;??%誤差
????sse=sumsqr（err）;
????errRec（i）=sse;??%保存誤差值
????fprintf（‘第?%d?次迭代??誤差：?%f\n‘?i?sse）;
????iteration=iteration?+?1;
????%判斷是否收斂
????if?sse<=eb
????????break;
????end
????%誤差反向傳播
????%隱含層與輸出層之間的局部梯度
????DELTA=err.*sigmoid（ou_input2）.*（1-sigmoid（ou_input2））;
????%輸入層與隱層之間的局部梯度
????delta=net.w2（:1:end-1）‘*DELTA.*sigmoid（hid_input）.*（1-sigmoid（hid_input））;
????%權值修改量
????dWEX=DELTA*ou_input1‘;
????dwex=delta*SampleInEx‘;
????%修改權值，如果不是第一次修改，則使用動量因子
????if?i==1
????????net.w2=net.w2+eta*dWEX;
????????net.w1=net.w1+eta*dwex;
????else
????????net.w2=net.w2+（1-mc）*eta*dWEX+mc*dWEXOld;
????????net.w1=net.w1+（1-mc）*eta*dwex+

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????目錄???????????0??2018-09-17?10:21??用matlab神經網絡實現非線性識別\
?????目錄???????????0??2018-09-17?10:24??用matlab神經網絡實現非線性識別\非線性識別\
?????文件??????????55??2018-08-27?11:33??用matlab神經網絡實現非線性識別\非線性識別\【源碼使用必讀】.url
?????文件????????5110??2018-09-17?10:50??用matlab神經網絡實現非線性識別\非線性識別\nonlinear.m
?????文件?????????467??2018-09-17?10:50??用matlab神經網絡實現非線性識別\非線性識別\sigmoid.m