| 感知机神经网络算法matlab实现
相关资料参考《智能控制及其matlab实现》——电子工业出版社，李国勇编著
详细代码如下：
%感知机神经网络的第一阶段学习期（训练加权系数Wij）
err_goal=0.001;lr=0.9 %给定期望误差的最小值和学习速率
max_epoch=10000 %给定训练的最大次数
X=[0 0 1 1;0 1 0 1];T=[0 0 0 1]; %提供四组训练集（2输入，1输出）
%初始化Wij（M为输入节点j的数量，L为输出节点i的数量，N为训练集对的数量）
[M,N]=size(X);[L,N]=size(T);
Wij=rand(L,M);y=0;b=rand(L);
for epoch=1:max_epoch
%计算各神经元的输出
NETi=Wij*X;
for j=1;N
for i=1:L
if(NETi(i,j)>=b(i))
y(i,j)=1;
else
y(i,j)=0;
end
end
end
%计算误差函数
E=(T-y);EE=0;
for j=1:N
EE=EE+abs(E(j));
end
if(EE<err_goal)break;end;
Wij=Wij+lr*E*X'; %调整输出层加权系数
b=b+sqrt(EE); %调整输出层神经元的阈值
end
epoch,Wij,b %现实计算次数、加权系数和阈值
%感知机神经网络的第二阶段的工作（根据训练好的Wij和给定的输入计算输出）
X1=X; %给定输入
%计算各神经元的输出
NETi==Wij*X1;[M,N]=size(X1);
for j=1:N
for i=1:L
if(NETi(i,j)>=b(i))
y(i,j)=1;
else
y(i,j)=0;
end
end
end
y %现实网络的输出
实验结果：
Wij =
1.0e+003 *
9.0005 9.0000
b =
1.0001e+004
y =
0 0 0 1 |
感知机神经网络算法matlab实现