newcf函数的误差、权值情况
%newcf函数的误差、权值情况 % bp网络的误差变化和权值情况 P=[-6 -6.1 -4.1 -4 4 4.1 6 6.1]; T=[0.0 0.0 0.97 0.99 0.01 0.03 1 1]; %创建前向BP网络 net=newcf(minmax(P),[1],{'tansig'},'traingd'); net.iw{1,1}; net.b{1}; net.trainParam.epochs=300; %初始化训练次数 net.trainParam.lr=0.05; [net tr]=train(net,P,T); %训练网络 w1=net.iw{1,1}; b1=net.b{1}; Wrange=-1:0.1:1; Brange=-2:0.2:2; %W值的行向量、B值的行向量 ES=errsurf(P,T,Wrange,Brange,'logsig'); %求单神经元的误差平面(只用在单神经元中) mesh(ES,[60,30]); %作三维网状面,视角【60,30】 title('Error Surface Graph') xlabel('W'); ylabel('B'); zlabel('Error') figure(2) [C,h] =contour(Wrange,Brange,ES,6); %作等高线图,ES为高 %返回等高线矩阵C,列向量h是线或对象的句柄, %一条线一个句柄,这些被用作CLABEL的输入, %每个对象包含每个等高线的高度 clabel(C,h) %标上高度值 colormap cool %背景的颜色cool xlabel('W'); ylabel('B'); figure(3); plot(w1,b1,'rv') figure(4); plot(tr.perf) %画误差曲线