线性神经网络用于求解异或逻辑

这样的是线性不可分的，所以需要添加非线性输入，由原来的2维向量变为5维向量

% xor_linearlayer.m 线性神经网络用于求解异或逻辑

%% 清理

close all

clear,clc

%% 定义变量

P1=[0,0,1,1;0,1,0,1]             % 原始输入向量

p2=P1(1,:).^2;

p3=P1(1,:).*P1(2,:);

p4=P1(2,:).^2;

P=[P1(1,:);p2;p3;p4;P1(2,:)]     % 添加非线性成分后的输入向量

d=[0,1,1,0]                     % 期望输出向量

lr=maxlinlr(P,'bias') % 根据输入矩阵求解最大学习率

%% 线性网络实现

net=linearlayer(0,lr);           % 创建线性网络

net=train(net,P,d);             % 线性网络训练

%% 显示

disp('网络输出')                 % 命令行输出

Y1=sim(net,P)

disp('网络二值输出');

YY1=Y1>=0.5

disp('最终权值：')

w1=[net.iw{1,1}, net.b{1,1}]

                    

plot([0,1],[0,1],'o','LineWidth',2);                   % 图形窗口输出        

hold on;

plot([0,1],[1,0],'d','LineWidth',2);

axis([-0.1,1.1,-0.1,1.1]);

xlabel('x');ylabel('y');

title('线性神经网络用于求解异或逻辑');

x=-0.1:.1:1.1;y=-0.1:.1:1.1;

N=length(x);

X=repmat(x,1,N);

Y=repmat(y,N,1);Y=Y(:);Y=Y';

P=[X;X.^2;X.*Y;Y.^2;Y];

yy=net(P);

y1=reshape(yy,N,N);

[C,h]=contour(x,y,y1,0.5,'b');

clabel(C,h);

legend('0','1','线性神经网络分类面');

方法二：

% xor_madaline.m   Madaline用于求解异或逻辑

%% 清理

close all

clear,clc

%% 第一个神经元

P1=[0,0,1,1;0,1,0,1];               % 输入向量

d1=[1,0,1,1];                       % 期望输出向量

lr=maxlinlr(P1,'bias');             % 根据输入矩阵求解最大学习率

net1=linearlayer(0,lr);             % 创建线性网络

net1=train(net1,P1,d1);             % 线性网络训练

%% 第二个神经元

P2=[0,0,1,1;0,1,0,1];               % 输入向量

d2=[1,1,0,1];                       % 期望输出向量

lr=maxlinlr(P2,'bias');             % 根据输入矩阵求解最大学习率

net2=linearlayer(0,lr);             % 创建线性网络

net2=train(net2,P2,d2);             % 线性网络训练

Y1=sim(net1,P1);Y1=Y1>=0.5;

Y2=sim(net2,P2);Y2=Y2>=0.5;

Y=~(Y1&Y2);

%% 显示

disp('第一个神经元最终权值：')      % 命令行输出

w1=[net1.iw{1,1}, net1.b{1,1}]

disp('第二个神经元最终权值：')

w2=[net2.iw{1,1}, net2.b{1,1}]

disp('第一个神经元测试输出：')

Y1

disp('第二个神经元测试输出：');

Y2

disp('最终输出：');

Y

plot([0,1],[0,1],'bo');             % 图形窗口输出

hold on;

plot([0,1],[1,0],'d');

x=-2:.2:2;

y1=1/2/w1(2)-w1(1)/w1(2)*x-w1(3)/w1(2);   % 第一条直线,1/2是区分0和1的阈值

plot(x,y1,'-');

y2=1/2/w2(2)-w2(1)/w2(2)*x-w2(3)/w2(2);   % 第二条直线，1/2是区分0和1的阈值

plot(x,y2,'--');

axis([-0.1,1.1,-0.1,1.1])

xlabel('x');ylabel('y');

title('Madaline用于求解异或逻辑')

legend('0','1','第一条直线','第二条直线');

程序在运行的过程当中，会创建两个神经元