目錄

主要內容???

??部分代碼???

??結果一覽???

下載鏈接

---

主要內容???

?《MATLAB神經網絡43個案例分析》共有43章，內容涵蓋常見的神經網絡（BP、RBF、SOM、Hopfield、Elman、LVQ、Kohonen、GRNN、NARX等）以及相關智能算法（SVM、決策樹、隨機森林、極限學習機等）。同時，部分章節也涉及了常見的優化算法（遺傳算法、蟻群算法等）與神經網絡的結合問題。此外，《MATLAB神經網絡43個案例分析》還介紹了MATLAB R2012b中神經網絡工具箱的新增功能與特性，如神經網絡并行計算、定制神經網絡、神經網絡高效編程等。

本程序針對的是第24章內容--基于PNN的變壓器故障診斷，這是神經網絡技術在電力系統故障診斷方面的一個應用方向，?通過對變壓器運行數據進行訓練，實現對數據的分類和預測，用于判斷變壓器運行狀態，代碼免費分享給大家學習參考！

??部分代碼???

%% 清空環境變量
clc;
clear all
close all
nntwarn off;
warning off;
%% 數據載入
load data
%% 選取訓練數據和測試數據
?
Train=data(1:23,:);
Test=data(24:end,:);
p_train=Train(:,1:3)';
t_train=Train(:,4)';
p_test=Test(:,1:3)';
t_test=Test(:,4)';
?
%% 將期望類別轉換為向量
t_train=ind2vec(t_train);
t_train_temp=Train(:,4)';
%% 使用newpnn函數建立PNN SPREAD選取為1.5
Spread=1.5;
net=newpnn(p_train,t_train,Spread)
?
%% 訓練數據回代 查看網絡的分類效果
?
% Sim函數進行網絡預測
Y=sim(net,p_train);
% 將網絡輸出向量轉換為指針
Yc=vec2ind(Y);
?
%% 通過作圖 觀察網絡對訓練數據分類效果
figure(1)
subplot(1,2,1)
stem(1:length(Yc),Yc,'bo')
hold on
stem(1:length(Yc),t_train_temp,'r*')
title('PNN 網絡訓練后的效果')
xlabel('樣本編號')
ylabel('分類結果')
set(gca,'Ytick',[1:5])
subplot(1,2,2)
H=Yc-t_train_temp;
stem(H)
title('PNN 網絡訓練后的誤差圖')
xlabel('樣本編號')
?
?
%% 網絡預測未知數據效果
Y2=sim(net,p_test);
Y2c=vec2ind(Y2);
figure(2)
stem(1:length(Y2c),Y2c,'b^')
hold on
stem(1:length(Y2c),t_test,'r*')
title('PNN 網絡的預測效果')
xlabel('預測樣本編號')
ylabel('分類結果')
set(gca,'Ytick',[1:5])
?

??結果一覽???

下載鏈接

?