MATLAB神经网络编程（三）——线性神经网络的构建与实现

《MATLAB神经网络编程》 化学工业出版社 读书笔记
第四章 前向型神经网络 4.2 线性神经网络

本文是《MATLAB神经网络编程》书籍的阅读笔记，其中涉及的源码、公式、原理都来自此书，若有不理解之处请参阅原书。

首先定义一些神经网络中常用的参数意义，如下图：

一，线性神经网络的构建。

1，生成线性神经元。

构建一个如下图所示的具有两个输入端的单神经元线性网络。

其权值矩阵W是一个行向量，网络输出a为：

a=purelin(n)=purelin(WP+b)=WP+b

或者：

a=w1,1*p1+w1,2*p2+b

与感知器一样，线性神经网络也有一个分界线，由输入向量决定，即n=0时，方程WP+b=0，分类示意图如下：

输入向量在分界线右上时，输出大于0；输入向量在左下时，输出小于0.这样，线性神经网络就可以用来研究分类问题；当然，前提是进行分类的问题是线性可分的，这与感知器的局限是相同的。

【例4-13】应用newlin设计一个双输入单输出线性神经网络，输入向量范围是[-1 1;-1 1],学习速率是1。

源代码是如下：

clear all
net=newlin([-1 1;-1 1],1);    %此时网络权值和阈值默认为0
W=net.IW{
   1,1}    %W=0 0
b=net.b{
   1}    %b=0
net.IW{
   1,1}=[2