【文件属性】:
文件名称:matlab聚集函数代码-Breast-Cancer-Neural-Networks:乳腺癌-神经网络
文件大小:8.01MB
文件格式:ZIP
更新时间:2021-05-26 16:12:30
系统开源
matlab聚集函数代码乳腺癌分类器(浅层网络)
此代码可帮助您使用神经网络对恶性和良性肿瘤进行分类。
Sourcerer
规范要求
示例代码在Matlab中(或更高版本可以使用)。
描述
ANN基于称为人工神经元(类似于动物大脑中的生物神经元)的连接单元或节点的集合。
神经元之间的每个连接(突触)都可以将信号从一个传递到另一个。
接收(突触后)神经元可以处理信号,然后向与其连接的下游神经元发出信号。
在常见的ANN实现中,突触信号是实数,并且每个神经元的输出是通过其输入和的非线性函数来计算的。
神经元和突触的权重也可能随着学习的进行而变化,这可以增加或减少其向下游发送的信号的强度。
此外,它们可以具有阈值,使得仅当总信号低于(或高于)该电平时,下游信号才被发送。
想要查询更多的信息,
一些注意事项
数据集-UCI-ML
我使用了30种功能进行分类
我使用的是1
=良性和2
=恶性,而不是0
=良性和1
=恶性
准确度〜92%
工作实例
执行
要运行代码,请输入run
cancer.m
run
cancer.m
Python实现
使用了一个浅神经网络,该网络具有一个隐藏层和20个单位。
【文件预览】:
Breast-Cancer-Neural-Networks-master
----.gitignore(649B)
----cancer_neural.gif(4.94MB)
----LICENSE.txt(1KB)
----BreastCancer_Neural()
--------nnCostFunction.asv(4KB)
--------cancer_data_heading.xlsx(8KB)
--------predict.m(585B)
--------cancer_data.csv(121KB)
--------nnCostFunction.m(4KB)
--------sigmoid.m(137B)
--------randInitializeWeights.m(996B)
--------cancer.m(2KB)
--------fmincg.m(9KB)
--------sigmoidGradient.m(706B)
----breast_cancer_neural_net_python()
--------B_Cancer_nn.py(7KB)
--------cancer_data_heading.xlsx(8KB)
--------cancer_data.csv(85KB)
--------cancer_data_y.csv(838B)
--------test_cancer_data_y.csv(300B)
--------.idea()
--------test_cancer_data.csv(31KB)
----bc_nn.gif(3.43MB)
----readme.md(4KB)
----neural.png(17KB)
----.gitattributes(378B)