显示误差表面的模式关联
一个线性神经元的目的是对特定的输入和目标输出做出反应。
X定义两个1-元素输入(列向量)。T定义相关的1-元素目标(列向量)。
X = [1.0 -1.2];
T = [0.5 1.0];
w_range = -1:0.1:1;
b_range = -1:0.1:1;
ES = errsurf(X,T,w_range,b_range,‘purelin’);
plotes(w_range,b_range,ES);
ERRSURF计算y神经元的误差范围,可能的权重和偏置值。PLOTES将这个误差表面与y轮廓图在下面。最佳的权重和偏差值是在误差表面最低点。
net = newlind(X,T);%求解y的最小误差;
SIM被用来模拟输入x的网络,我们可以计算神经元的误差。SUMSQR将平方错误加起来。
A = net(X)
E = T - A
SSE = sumsqr(E)
plotes(w_range,b_range,ES);
plotep(net.IW{1,1},net.b{1},SSE);
PLOTES重新画出误差表面。PLOTEP用SOLVELIN返回的权重和偏差值来绘制网络的“位置”。从图中可以看出,SOLVELIN找到了最小误差解。
神经网络显示误差表面的模式关联
最新推荐文章于 2021-09-23 16:22:52 发布