线性神经网络 2-3-5 单层感知器应用--模式分类.pptVIP

例 2-3-5M 单层感知器应用 模式分类 单层感知器应用—模式分类 单层感知器应用—二维平面模式分类之一m235a.m执行结果 单层感知器应用—二维平面模式分类之一m235a.m执行结果 单层感知器应用—二维平面模式分类之一m235a.m执行结果 单层感知器应用—二维平面模式分类之一m235a.m执行结果 结束 * 1 绘图函数 绘感知器输入输出向量： plotpv(p,d) ；p 、d ：输入、输出向量 在感知器向量图上，绘分类线：plotpc(w,b) ； w 、b：权值、阈值 构建感知器函数 net=newp() 由输入样本的最大、最小值构建感知器 学习函数 net=train() 单层感知器应用—模式分类 二维平面模式分类之一：m235a.m 三维平面模式分类 : m235b.m 二维平面模式分类之二: m235c.m 感知器输入向量 学习（训练）过程收敛 分类线正确地分了类 Command Window: w=-2.1000 -0.5000 b=0 d=1 1 0 0 y=1 1 0 0 单层感知器应用—三维空间模式分类 m235b.m执行结果 感知器输入向量 单层感知器应用—三维空间模式分类 m235b.m执行结果 学习（训练）过程收敛 单层感知器应用—三维空间模式分类 m235b.m执行结果 分类面 单层感知器应用—三维空间模式分类 m235b.m执行结果 Command Window: w=1 -1 1 b=-1 d=0 1 0 0 1 1 0 1 y=0 1 0 0 1 1 0 1 单层感知器应用—二维平面模式分类之二m235c.m执行结果 四类输入向量 单层感知器应用—二维平面模式分类之二m235c.m执行结果 学习（训练）过程收敛 两条分类线正确分类 单层感知器应用—二维平面模式分类之二m235c.m执行结果 单层感知器应用—二维平面模式分类之二m235c.m执行结果 Command Window: w= 3.0000 0 -0.5000 -1.2000 b= 0 -1 d=1 1 1 0 0 0 1 1 0 0 0 0 0 0 0 0 0 1 1 1 1 1 y= 1 1 1 0 0 0 1 1 0 0 0 0 0 0 0 0 0 1 1 1 1 1 单层感知器应用—模式分类思考与练习 程序 m235a.m m235b.m m235c.m 执行结果，是否正确的完成了分类？原因？ *