我人工神经网络-5 自适应线性元件.ppt

WIT-SCSE 训练后的网络权值为： 网络训练过程中的误差记录 WIT-SCSE 对于存在零误差的精确权值网络，若用函数solvelin.m来求解，则更加简单如下： ％wf3.m ％ P＝[1 1.5 1.2 –0.3; -1 2 3 –0.5; 2 1 –1.6 0.9]; T＝[0.5 3 –2.2 1.4; 1.1 –1.2 1.7 –0.4; 3 0.2 –1.8 -0.4; -1 0.1 –1.0 0.6]; [W，B]＝solvelin(P,T); A＝simulin (P, W, B); SSE＝sumsqr (T-A) W B end WIT-SCSE 由此可得零误差的唯一精确解为： WIT-SCSE [例5．3]设计训练一个线性网络实现下列从输入矢量到目标矢量的变换： 所给出的输入矢量元素之间是线性相关的：第三组元素等于第二组元素的两倍减去第一组：P3＝2P2－P1。 由于输入矢量的奇异性，用函数solvelin.m来设计时网络会产生问题。只有在能够线性地解出问题的情况下，用函数solvelin.m才比较准确。 WIT-SCSE 只要将前面已编写的wf2.m程序中的输入与目标矢量改变一下，并给出(—l，1)之间的随机初始值，即可运行看到本例的结果。 其最终误差在1.04左右，这就是本例题下的最小误差平方和， 而当采用完全线性函数的设计s