Retele Neuronale

Extras din referat Cum descarc?

1. Sa se implementeze algoritmul perceptron pentru clasificarea datelor provenite din doua clase si sa se realizeze un studiu comparativ privind performantele de recunoastere cu algoritmul de clasificare kmeans. Sa se puna in evidenta (grafic) procentele de corect clasificare obtinute atat pentru perceptron cat si pentru kmeans in cazurile in care datele au o repartitie normala si, respectiv, uniforma.
%perceptron 1-neuron
%2D input
clf;
%initializarea si antrenarea perceptronului
P = [0.0 1.0 -0.5 0.0 ;1.0 0.3 -0.5 -1.0];
T = [1 1 0 0];
subplot(1,4,1);
[W,b] = initp(P,T);
[W,b,epochs,errors] = trainp(W,b,P,T,-1);
plotpv(P,T);
plotpc(W,b);
%vectorii erorilor CPerceptron CKmeans
CP=[];
CK=[];
for k=10:50:210
%data rapartizare uniform
X=rand(1,k)-0.5;
Y=rand(1,k)-0.5;
%data rapartizare normal
%X=randn(1,k)-0.5;
%Y=randn(1,k)-0.5;
%matricea cu date de test
testData=[X;Y];
%simulare perceptron
a = simup(testData,W,b)
plotpv(testData,a);
plotpc(W,b);
%vectorul repartizarilor corect in clase
corect=[];
for i=1:1:size(X,2)
if((X(1,i)+Y(1,i))>0) corect=[corect; 1]
else corect=[corect; 0]
end
end
td=testData'; 
subplot(1,4,2); 
plot(td(corect==0,1),td(corect==0,2),'r.', td(corect==1,1),td(corect==1,2),'b.');
a = simup(testData,W,b);
subplot(1,4,3); 
plotpv(testData,a);
plotpc(W,b);
%calcul erori perceptron
cp=0;
for i=1:1:size(a,2)
if(double(a(1,i))~=corect(i,1)) cp=cp+1; 
end
end
disp(cp);
CP=[CP cp];
%antrenare algoritm kmeans 
[cidx, ctrs] = kmeans(td, 2,'Start',[0.0 -1.0;1.0 0.3]);
subplot(1,4,4);
plot(td(cidx==1,1),td(cidx==1,2),'r.', td(cidx==2,1),td(cidx==2,2),'b.', ctrs(:,1),ctrs(:,2),'kx');
%calcul erori kmeans 
ck=0;
for i=1:1:size(cidx,1)
if(cidx(i,1)~=(corect(i,1)+1)) ck=ck+1; 
end
end
disp(ck);
CK=[CK ck];
end
bar([CP;CK],'group');

Fisiere in arhiva (1):

 Retele Neuronale.doc