Réseaux de neurones RBF sous matlab
Résolu/Fermé6 réponses
ghassen97
Messages postés
3
Date d'inscription
lundi 21 avril 2008
Statut
Membre
Dernière intervention
21 avril 2008
21 avril 2008 à 17:59
21 avril 2008 à 17:59
comment commencer un alghorithme d'apprentissage avec matlab
je suis en train de préparer mon mémoire "réseau de neurone basé sur la conception de la commande d'excitation pour les systèmes de puissance via backstepping" et j'en ai besoin de savoir comment utiliser les reseaux RBF sous matlab
mjouda
Messages postés
3
Date d'inscription
dimanche 10 février 2008
Statut
Membre
Dernière intervention
22 mai 2008
22 mai 2008 à 15:13
22 mai 2008 à 15:13
salut nada moi aussi j'ai besoin maintenant de une application sous matlab
de programmaer un reseaux de neurones
merci d'avance
de programmaer un reseaux de neurones
merci d'avance
anouar
>
mjouda
Messages postés
3
Date d'inscription
dimanche 10 février 2008
Statut
Membre
Dernière intervention
22 mai 2008
21 sept. 2008 à 11:19
21 sept. 2008 à 11:19
Salam
Moi aussi j'ai besion d'une application des reseaux de neurones sous matlab Merci de m'aider
Moi aussi j'ai besion d'une application des reseaux de neurones sous matlab Merci de m'aider
Vous n’avez pas trouvé la réponse que vous recherchez ?
Posez votre question
hasnicom
Messages postés
2
Date d'inscription
dimanche 17 février 2008
Statut
Membre
Dernière intervention
18 février 2008
17 févr. 2008 à 19:31
17 févr. 2008 à 19:31
Avec qu'elle commande on peut réaliser se réseau
salut est ce que vous trouvez le programme de réseaux de neurones RBF sous matlab jai besoin le programme s.v.p
mjouda
Messages postés
3
Date d'inscription
dimanche 10 février 2008
Statut
Membre
Dernière intervention
22 mai 2008
22 mai 2008 à 15:12
22 mai 2008 à 15:12
moi aussi j'ai besoin si t'a trouvé qqe chose contacter moi
et marcie d'avance
et marcie d'avance
clear all
close all
clc
load base_jus;
whos;
x_learning=[x_training;x_validation];
y_learning=[y_training;y_validation];
y=[y_training;y_validation;y_test];
var(y);
[Ninp,Npoints] = size(x_training);
N = Npoints;
k=20;
n_neurones=2:2:20;
Sigma=0.9;
for i=1:k
index = rand*N;
index1= round(index);
if index1<=0
index1=1;
else
index1=index1;
end
c(i,:) = x_training(index1,:);
end
for t=1:20
Alpha=2/(5+t);
for p=1:1:100
for i=1:k
d(p,i)=(x_training(p,:)-c(i,:))*(x_training(p,:)-c(i,:))';
end
c_gagnant=d(1);
j=1;
for i=1:k
if c_gagnant<=d(p,i)
c_gagnant=c_gagnant;
else
c_gagnant=d(p,i);
j=i;
c(j,:)=c(j,:)+Alpha*(x_training(p,:)-c(j,:));
end
end
end
end
close all
clc
load base_jus;
whos;
x_learning=[x_training;x_validation];
y_learning=[y_training;y_validation];
y=[y_training;y_validation;y_test];
var(y);
[Ninp,Npoints] = size(x_training);
N = Npoints;
k=20;
n_neurones=2:2:20;
Sigma=0.9;
for i=1:k
index = rand*N;
index1= round(index);
if index1<=0
index1=1;
else
index1=index1;
end
c(i,:) = x_training(index1,:);
end
for t=1:20
Alpha=2/(5+t);
for p=1:1:100
for i=1:k
d(p,i)=(x_training(p,:)-c(i,:))*(x_training(p,:)-c(i,:))';
end
c_gagnant=d(1);
j=1;
for i=1:k
if c_gagnant<=d(p,i)
c_gagnant=c_gagnant;
else
c_gagnant=d(p,i);
j=i;
c(j,:)=c(j,:)+Alpha*(x_training(p,:)-c(j,:));
end
end
end
end