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