<head>
<title></title>
</head>
<body>
斯图加特神经网络模拟器（Stuttgart Neural Network Simulator）
人工神经网络（Artificial Neural Networks，简写为ANNs）是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。 —— 百度百科
Stuttgart Neural Network Simulator（SNNS）是德国斯图加特大学开发的优秀神经网络仿真软件，为国外的神经网络研究者所广泛采用。本文旨在通过使用R语言RSNNS包中mlp函数（多层感知器）对蘑菇数据建立预测模型，演示斯图加特神经网络模拟器的强大功能。RSNNS包中其它重要的网络形式还包括：dlvq（动态学习向量化网络）、rbf（径向基函数网络）、elman（elman神经网络）、 jordan（jordan神经网络）、som（自组织映射神经网络）、art1（适应性共振神经网络）等等。
R语言实现
#载入程序和数据
library("RSNNS") ## Warning: package \'RSNNS\' was built under R version 3.2.3## Loading required package: Rcpplibrary("reshape")## Warning: package \'reshape\' was built under R version 3.2.3mashroom = read.csv(file.choose()) #定义网络输入 mashroomValues= mashroom[,-1] #定义网络输出，并将数据进行格式转换 mashroomTargets = decodeClassLabels(mashroom[,1]) #从中划分出训练样本和检验样本 mashroom = splitForTrainingAndTest(mashroomValues, mashroomTargets, ratio=0.15) #数据标准化 mashroom = normTrainingAndTestSet(mashroom)利用mlp命令执行前馈反向传播神经网络算法
model = mlp(mashroom\(inputsTrain, mashroom\)targetsTrain, size=10, inputsTest=mashroom\(inputsTest, targetsTest=mashroom\)targetsTest,linOut=T)
plotIterativeError(model)
par(mar=numeric(4),family=\'serif\')
plot.nnet(model)## Loading required package: scales## Warning in plot.nnet(model): Bias layer not applicable for rsnns object#利用上面建立的模型进行预测 predictions = predict(model,mashroom$inputsTest)生成混淆矩阵，观察预测精度
confusionMatrix(mashroom$targetsTest,predictions)
## predictions
## targets 1 2
## 1 473 16
## 2 0 730可见，人工神经网络算法在蘑菇数据分类预测上具有较高的精度。
反馈与建议
- 作者：ShangFR
- 邮箱：[email protected]
请发表评论