2022-09-14 12:05:38 索炜达电子 900
文件编号：C56
文件大小：5.2M
猿创承诺：该项目亲测正常运行，需远程调试部署需另外收费，确保正常使用，不能正常使用全额退款。
简要概述：介绍了通过Python实现BP神经网络分类算法，对不同半径的圆进行多分类（3分类），特征即为圆的半径。 输入层12节点，一个6节点的隐藏层，输出层3个节点。
演示视频：
点击查看：系统演示视频
运行结果：
准备数据 目的： 生成3类圆在第一象限内的坐标（圆心都是原点） 第1类：半径范围为110，分类标识为‘0’ 第2类：半径范围为1020，分类标识为‘1’ 第3类：半径范围为20~30，分类标识为‘2’
data_generate.py
圆的坐标
散点图
图中蓝色的点是label为0的圆，绿色的点是label为1的圆，红色的点是label为2的圆。
处理数据 目标： 根据第3步获得的坐标，计算每个圆的半径（勾股定理）作为神经网络的输入。
data_process.py
圆的半径
(1,0,0)表示类型为“0”的圆，(0,1,0)表示类型为“1”的圆，(0,0,1)表示类型为“2”的圆，这样做的目的是为了下一步使用神经网络时处理起来方便。
构建BP神经网络 上一步处理好的数据可以作为训练数据，命名为：circles_data_training.csv 重复第3步和第4步，可以生成另一批数据作为测试数据，命名为：circles_data_test.csv 当然，也可以手动划分出训练数据和测试数据。 训练数据和测试数据在输入时，做了矩阵的转置，将列转置为行。
data_analysis_bpnn.py
远程协助：
温馨提示：索炜达.猿创官方提供收费远程协助，确保您项目运行成功。
点击查看：远程协助相关事项
我们提供完整项目文件清单如下：
文件目录
├ 1.项目源码
├ 2.运行截图
└ 3.演示视频
