我爱智能

（1）BP算法   Matlab中集成有BP算法工具箱，而且性能稳定，比较实用。这里不采用matlab自带工具箱，而是通过编写反向传播算法直接来实现，旨在能更好的从理论上来理解BP神经网络算法以及一些参数对算法的影响，再就是理解到反向传播的整个过程。其中部分程序参考论坛牛人们的编程方式来实现的。   （2）问题描述   BP算法一般都是用来对数据进行分类和建立预测模型的，这里，我是来进

（一）说说要解决的问题         这里只是运用BP感知器的一些知识，用delta法则方式解决一个简单的线性或者非线性可分问题，比如这里围绕的就是坐标系下的8个点，这8个点很明显的划分两类，现在要求解出一组权值来划分这两类点。8组点是自己假设的，为[1,0,1;2,1.5,1;-1,-1.5,1;-3,-5,1;0,2,0;1.5,2,0;-1,0,0]，在坐标系下的可以看到为：

近日在看人工智能上关于

在前两节曾经介绍过logistic回归与分类算法，并对线性与非线性数据集分别进行分类实验。Logistic采用的是一层向量权值求和的方式进行映射，所以本质上只能对线性分类问题效果较好（实验也可以看到），其模型如下所示（详细的介绍可看上两次博客：机器学习之logistic分类线性与非线性实验（续））：既然如此，我们可不可以在Y出来之前在多进行几次映射呢？答案是可以的，这就引出了多层网络，每层网络的输出

上节在 《机器学习之从logistic到神经网络算法》 中，我们已经从原理上介绍了神经网络算法的来源与构造，并编程实战了简单神经网络对于线性与非线性数据的分类测试实验。看过上节的可能会发现，上节实现的算法对于非线性数据的分类效果并不是非常完美，有许多值得优化的地方。而matlab作为一个科学计算软件，本身集成了非常多的优化算法，其中的神经网络工具箱就是其中一个优秀的工具箱，本节将以工具箱中的函数