广义回归神经网络GRNN ,竞争神经网络,自组织映射神经网络

广义回归神经网络GRNN  函数逼近P = [1 2 3];% 训练输入向量T = [2.0 4.1 5.9]% 训练输入的期望输出值newgrnn(P,T,.5)  .4扩散速度net = newgrnn(P,T);% 设计GRNN网络x=[1.5,2.5];% 测试输出。计算x=1.5和x=2.5的查找y=sim(net,x)% 测试结果竞争神经网络 分类inputs = iris_dataset;% 载入数据net = competlayer(3);% 创建竞争网络默认competlayer(5,0.01,0.001)分类类别.Kohonen学习率.阈值学习率net = train(net,inputs);% 训练outputs = net(inputs);% 分类classes = vec2ind(outputs)% 格式转换。classes为分类结果，这里仅列出部分数据c=hist(classes,3)% 每个类别的数量自组织映射神经网络  聚类x = simplecluster_dataset;plot(x(1,:),x(2,:),'o')set(gcf,'color','w')title('原始数据')net = selforgmap([8 8]);% 创建自组织映射网络net = train(net,x);% 训练y = net(x);classes = vec2ind(y);hist(classes,64)% 显示聚类结果set(gcf,'color','w')title('聚类结果')xlabel('类别')ylabel('类别包含的样本数量')net = selforgmap([2,3]);net = train(net,x);y = net(x);classes = vec2ind(y);c=hist(classes,6)% 6个类别包含的样本个数plotsomhits(net,x)          % 显示每个类别的个数plotsompos(net,x)           % 显示类别中心点的位置plotsompos(net,x)           % 显示类别中心点的位置