单层感知器的MATLAB实现
2010-03-25 16:48
267 查看
P= [-0.4 -0.5 0.6; 0.9 0 0.1]; %给定训练样本数据
T= [1 1 0]; %给定样本数据所对应的类别,用1和0来表示两种类别
%创建一个有两个输入、样本数据的取值范围都在[-1,1]之间,并且
%网络只有一个神经元的感知器神经网络
net=newp([-1 1;-1 1],1);
net.trainParam.epochs = 20; %设置网络的最大训练次数为20次
net=train(net,P,T); %使用训练函数对创建的网络进行训练
Y=sim(net,P) %对训练后的网络进行仿真
E1=mae(Y-T) %计算网络的平均绝对误差,表示网络错误分类
Q=[0.6 0.9 -0.1; -0.1 -0.5 0.5]; %检测训练好的神经网络的性能
Y1=sim(net,Q) %对网络进行仿真,仿真输出即为分类的结果
figure; %创建一个新的绘图窗口
plotpv(Q,Y1); %在坐标图中绘制测试数据
plotpc(net.iw{1},net.b{1}) %在坐标图中绘制分类线
T= [1 1 0]; %给定样本数据所对应的类别,用1和0来表示两种类别
%创建一个有两个输入、样本数据的取值范围都在[-1,1]之间,并且
%网络只有一个神经元的感知器神经网络
net=newp([-1 1;-1 1],1);
net.trainParam.epochs = 20; %设置网络的最大训练次数为20次
net=train(net,P,T); %使用训练函数对创建的网络进行训练
Y=sim(net,P) %对训练后的网络进行仿真
E1=mae(Y-T) %计算网络的平均绝对误差,表示网络错误分类
Q=[0.6 0.9 -0.1; -0.1 -0.5 0.5]; %检测训练好的神经网络的性能
Y1=sim(net,Q) %对网络进行仿真,仿真输出即为分类的结果
figure; %创建一个新的绘图窗口
plotpv(Q,Y1); %在坐标图中绘制测试数据
plotpc(net.iw{1},net.b{1}) %在坐标图中绘制分类线
相关文章推荐
- 数据挖掘——单层感知器的Matlab实现
- 单层感知器的MATLAB实现
- 数据挖掘——单层感知器的Matlab实现
- 小波学习之一(单层一维离散小波变换DWT的Mallat算法C++和MATLAB实现)
- Fisher线性判别与感知器算法Matlab实现
- 小波学习之一(单层一维离散小波变换DWT的Mallat算法C++和MATLAB实现)
- 数据挖掘——单层感知器的Python实现
- MATLAB神经网络学习笔记之:利用learnp函数对感知器网络实现‘或’门
- 感知器算法----Matlab实现
- matlab实现感知器学习算法
- 单层感知器就能够实现 逻辑与运算、逻辑或运算和逻辑非运算,不能实现逻辑异或运算
- C++实现单层感知器网络_智能计算作业1
- C语言实现单层感知器
- MATLAB神经网络学习笔记之:感知器网络实现‘或’门
- matlab 实现感知器,最小二乘法两种线性分类器
- Fisher线性判别与感知器算法Matlab实现
- matlab实现简单的感知器分类
- 单层感知器的python实现
- 神经网络单神经元感知器的MATLAB实现
- 人工神经网络(三)单层感知器代码实现