2021-05-19

单层感知机
%% 感知器神经网络 用于点的分类
clear all;
close all;
P=[0 0 1 1;0 1 0 1]; %输入向量
T=[0 1 1 1]; %目标向量
net=newp(minmax§,1,‘hardlim’,‘learnp’); %建立感知器神经网络
net=train(net,P,T); %对网络进行训练
Y=sim(net,P); %对网络进行仿真
plotpv(P,T); %绘制感知器的输入向量和目标向量，绘制样本点
plotpc(net.iw{1,1},net.b{1}); %在感知器向量图中绘制分界线
%% 2021/5/19
转
%% 感知器神经网络 用于点的分类
%单层感知器网络，用于点的分类
P=[0,0,1,1;0,1,0,1];
%P的列为输入向量
T=[0,1,1,1];%输入数据的期望输出
net=newp(minmax§,1,‘hardlim’,‘learnp’);
%创建感知器，范围、输出节点个数、传输函数、学习函数。
%minmax（P）是输入P的行的范围大小
%如B=minmax§;
%1表示输出节点的个数
%hardlim和learnp为默认，可省略
net=train(net,P,T);
%进行训练 Y=sim(net,P);
%仿真 plotpv(P,T);
%plotpv用来绘制感知器的输入和目标向量，因为绘制最多为三维，所以只能在维度小于等于%3时使用
plotpc(net.iw{1,1},net.b{1});
%plotpc用来绘制感知器矢量图上的分类线，net.iw{1,1}为net的权重矩阵，net.b{1}为%net的偏置
Z=sim(net,[0.9,0.9]’);
%测试输入[0.9 0.9]’,因为它在斜线上方，所以输出为1