一、总结GRNN和PNN神经网络的学习算法:
二、应用MATLAB实现GRNN和PNN神经网络:
要求有程序和实验结果
三、 实验内容:
参照课本第26章,对于输入样本为4个属性所对应的神经网络的spread值分别取
0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1.0,
将这两种神经网络取不同spread值的预测准确率计算出来,并对两种神经网络在不同spread值时的准确率进行绘图比较分析,选出准确率较高的spread值对应的模型。
类似绘图如下:
四、实验结果
Spread=0.1
Spread=0.2
Spread=0.3
Spread=0.4
Spread=0.5
Spread=0.6
Spread=0.7
Spread=0.8
Spread=0.9
Spread=1.0
grnn=[0.9333 0.9333 1 0.9667 0.9333 0.9333 0.9667 0.9333 0.8667 0.7667];
pnn=[0.9333 0.9333 1 0.9667 0.9 0.9 0.9667 0.9333 0.9333 0.9667];
spread=[0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1];
plot(spread,grnn,'-o')
xlabel('spread值')
ylabel('准确率')
title('两种神经网络在不同spread值时的准确率')
hold on
plot(spread,pnn,'-*')
Grnn模型准确率较高