【计算智能实验】GRNN和PNN神经网络的Matlab实现

一、总结GRNN和PNN神经网络的学习算法：

二、应用MATLAB实现GRNN和PNN神经网络：

要求有程序和实验结果

三、 实验内容：

参照课本第26章，对于输入样本为4个属性所对应的神经网络的spread值分别取
0.1，0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1.0,
将这两种神经网络取不同spread值的预测准确率计算出来，并对两种神经网络在不同spread值时的准确率进行绘图比较分析，选出准确率较高的spread值对应的模型。
类似绘图如下：

四、实验结果

Spread=0.1


Spread=0.2


Spread=0.3


Spread=0.4


Spread=0.5


Spread=0.6


Spread=0.7


Spread=0.8


Spread=0.9


Spread=1.0

grnn=[0.9333 0.9333 1 0.9667 0.9333 0.9333 0.9667 0.9333 0.8667 0.7667];
pnn=[0.9333 0.9333 1 0.9667 0.9 0.9 0.9667 0.9333 0.9333 0.9667];
spread=[0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1];
plot(spread,grnn,'-o')
xlabel('spread值')
ylabel('准确率')
title('两种神经网络在不同spread值时的准确率')
hold on
plot(spread,pnn,'-*')

Grnn模型准确率较高