MatLab神经网络仿真实例.ppt

MatLab神经网络仿真实例 主要内容 单层感知机 自适应线性神经元 单层感知机(1) 例1：使用单层感知器实现与门、或门 例1:单层感知机，与门(1) P=[0 0 1 1;0 1 0 1] T=[0 0 0 1] plotpv(P,T) Bound=[-1 1;-1 1] nn=1 net=newp(Bound,nn) watchon plotpv(P,T) linehandle=plotpc(net.iw{1},net.b{1}) E=1 while(sse(E)) [net,Y,E]=adapt(net,P,T) linehandle=plotpc(net.iw{1},net.b{1},linehandle) drawnow pause end pause watchoff 例1:单层感知机，与门(2) net=newp([-1 1;-1 1],1) P={[0;0] [0;1] [1;0] [1;1]} T={0 0 0 1} net.adaptParam.passes=10 net=adapt(net,P,T) Y=sim(net,P) 例1:单层感知机，与门(3) P=[0 0 1 1;0 1 0 1] T=[0 0 0 1] net=newp([-1 1;-1 1],1) Y=sim(net,P) net,trainParam.epochs=20 net=train(net,P,T) Y=sim(net,P) 例2:单层感知机(可分)（1） 输入： P=[0.1 0.7 0.8 0.8 1.0 0.3 0.0 -0.3 -0.5 -1.5;1.2 1.8 1.6 0.6 0.8 0.5 0.2 0.8 -1.5 -1.3] 输出： T=[1 1 1 0 0 1 1 1 0 0;0 0 0 0 0 1 1 1 1 1] 例2:单层感知机(可分)（2） P=[0.1 0.7 0.8 0.8 1.0 0.3 0.0 -0.3 -0.5 -1.5;1.2 1.8 1.6 0.6 0.8 0.5 0.2 0.8 -1.5 -1.3] T=[1 1 1 0 0 1 1 1 0 0;0 0 0 0 0 1 1 1 1 1] plotpv(P,T) Bound=[-2 2;-2 2] nn=2 net=newp(Bound,nn) watchon cla plotpv(P,T) linehandle=plotpc(net.iw{1},net.b{1}) E=1 while(sse(E)) [net,Y,E]=adapt(net,P,T) linehandle=plotpc(net.iw{1},net.b{1},linehandle) drawnow pause end pause watchoff 例3:单层感知机(不可分)（1） 输入： P=[-0.5 -0.5 0.3 0 -0.8;-0.5 0.5 -0.5 1 0] 输出： T=[1 1 0 0 0] 例3:单层感知机(不可分)（2） P=[-0.5 -0.5 0.3 0 -0.8;-0.5 0.5 -0.5 1 0] T=[1 1 0 0 0] plotpv(P,T) Bound=[-2 2;-2 2] nn=1 net=newp(Bound,nn) watchon cla plotpv(P,T) linehandle=plotpc(net.iw{1},net.b{1}) E=1 while(sse(E)) [net,Y,E]=adapt(net,P,T) linehandle=plotpc(net.iw{1},net.b{1},linehandle) drawnow pause end pause watchoff 例4:设计一个自适应线性元 P=[1 2 3] T=[2.0 4.1 5.9] net=newlind(P,T) Y=sim(net,P) 例5:自适应线性元(1) P1={0 -1 1 1 0 -1 1 0 0 1} T1={0 -1 0 2 1 -1 0 1 0 1} P2={1 0 -1 -1 1 1 1 0 -1} T2={2 1 -1 -2 0 2 2 1 0} P3=[P1 P2] T3=[T1 T2] 例5:自适应线性元(2) P1={0 -1 1 1 0 -1 1 0 0 1} T1={0 -1 0 2 1 -1 0 1 0 1} P2={1 0 -1 -1 1 1 1 0 -1} T2={2 1 -1 -2 0 2 2 1 0} P3=[P1 P2] T3=[T1 T2] net=newlin([-1 1],1 ,[0 1],0.01) Y=sim(net,P1) [net,Y,E,pf]=adapt(net,P1,T1) [ne