MATLAB笔记之神经网络基础篇

1、matlab神经网络工具箱常用命令

2、matalb神经网络工具箱之感知器

重要：分类线（或分类面）的确定与输出

重要：将其中一个输入设置为全1，则可以将权值w1等价于偏置b

e.t    matalb神经网络工具箱之感知器命令实例使用代码

clear,clc; close all; P=[-1,1;-1,1];              %输入变量的范围 T=1;                            %输出节点个数 net= newp(P,T);          %创建 p=[0 0 1 1;0 1 1 1];    %训练样本 t=[0 1 1 1];                %目标输出 或 逻辑 net= train(net,p,t);     %训练 newp=[ -1:0.2:1;-1:0.2:1 ];  %新样本 newt= sim(net,newp);          %测试 plot(newp(1,:),newp(2,:),'r.',newp(1,:),newt,'linewidth',3); title('判断数字符号的感知器')

perception_hand

%% 清理 clear,clc close all %% n=0.2;  %学习率 w=[0 0 0];  %权值和偏置值的初始化w=[b w1 w2] p=[-9 -1 -12 -4 0 5;...     15 -8 4 5 11 9];    %训练样本 d=[0 1 0 0 0 1];        %期望输出 p=[ ones(1,6);p]; max=20;                 %最大迭代次数 %% 训练 i=0; while 1     v=w*p;     y= hardlim(v);     %更新     e=( d - y );     ee(i+1)= mae(e);     if (ee(i+1) < 0.001 )         disp('we have got it');         disp(w);         break;     end     % 更新权值和偏置(误差平方)     w=w+n*(d-y)*p';         if (i >= max)         disp('max times loop');         disp(w);         disp(ee(i+1));         break;     end     i=i+1; end %% 显示 figure(1); subplot(2,1,1); plot([-9 -12 -4 0],[15 4 5 11],'o'); hold on; plot([1 5],[-8 9],'*'); axis([-13 6 -10 16]); legend('第一类','第二类'); title('6个坐标点的二分类'); x=-13:.2:6; y=x*(-w(2)/w(3))-w(1)/w(3);    %分类线的方程表达 plot(x,y); hold off; subplot(2,1,2); x=0:i; plot(x,ee,'o-'); s= sprintf('mae的值(迭代次数:%d)', i+1); title(s);