离散单输出感知器训练算法——《人工神经网络导论》

% 这是《人工神经网络导论》3.2.1离散单输出感知器训练算
% 法对于0到9的奇偶性识别的初步简单实现


clc
clear all
close all
%%算法3-1 离散单输出感知器训练算法  
%%初始化权向量W
%%重复进行下列过程，直到训练完成
% 对每一个样本(X,Y)，执行：
% 	计算O=F(XW)；
% 	如果O不正确，则
% 		（i）：o=0时，取W=W+X；
% 		（ii）：o=1时，取W=W-X；
% 	end；
% %}
%%根据此时W进行误差判断，若小于规定限度则结束训练。

W=rand(4,1);
X=[0 0 0 0;0 0 0 1;0 0 1 0;0 0 1 1;0 1 0 0;0 1 0 1;0 1 1 0;0 1 1 1;1 0 0 0;1 0 0 1];
Y=[0;1;0;1;0;1;0;1;0;1];
[row_x,col_x]=size(X);
O=zeros(row_x,1);
ok=0;
while ok==0
    for k=1:row_x
        net=X(k,:)*W;
        if net>10
            O(k)=1;
        else O(k)=0;
        end
        if O(k)~=Y(k)
            if O(k)==0
                W=W+X(k,:)';
            else W=W-X(k,:)';
            end
            ok=0;
            break;
            %这里的break是挺重要的，因为一旦改动W就必须重新计算O，否则可能导致O前面的出错，后面的正确。
        else ok=1;
        end
    end
end
W
X
Y

待补充。