比较线性网络和非线性网络的分类效果

比较线性网络和非线性网络的分类效果,代码如下:

%比较线性和非线性bp网络的分类效果 clc; clear; P=[-8 -8.1 -4 -4.2 3 3.1 5 5.1 ]; T=[0.0 0.081 0.97 0.99 0.01 0.03 1.1 1]; %创建线性网络 net=newlind(P,T); w1=net.iw{1,1} %线性网路的权值 b1=net.b{1} %线性网络的偏差 y=sim(net,P); %创建非线性网络bp网络 net=newcf(minmax(P),[1],{'logsig'},'traingd'); %创建一层非线性网络 net.trainParam.epochs=400; %初始化训练次数 net.trainParam.goal = 0.2297; net=train(net,P,T); %训练网络 w2=net.iw{1,1} %非线性网路的权值 b2=net.b{1} %非线性网络的偏差 Y=sim(net,P); %显示结果 plot(P,T,'r+'); %目标值 hold on plot(P,y,'b^'); %画线性输入输出点的连线 plot(P,Y,'bv') %画非线性输入bp网络输出点的连线 hold off %控制显示范围 axis([min(P)-2 max(P)+2 min(min(P),min(min(Y),min(y)))-0.3 max(max(Y),max(max(P),max(y)))+0.3]);

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值