代码搜索：L
找到约 10,000 项符合「L」的源代码
代码结果 10,000
www.eeworm.com/read/355155/10290344
txt l7.3.txt
%向量分类
P=[0.1826 0.6325;0.3651 0.3162;0.5477 0.3162;0.7303 0.6325];
T=[1 0];
%网络初始化
[R,Q]=size(P);
[S,Q]=size(T);
W=zeros(S,R);
max_epoch=10;
lp.lr=0.7;
%learnk网络训练
for epoch=1:max_epoch
for
www.eeworm.com/read/355155/10290348
txt l7.10.txt
%矩形拓扑结构
pos=gridtop(2,3)
plotsom(pos)
%计算距离矩阵
d=boxdist(pos)
www.eeworm.com/read/355155/10290352
txt l7.15.txt
%clear清空工作区间，输入和期望
clear
P=[-3 -2 -2 0 0 0 0 2 2 3;0 1 -1 2 1 -1 -2 1 -1 0];
Tc=[1 1 1 2 2 2 2 1 1 1];
%显示
plotvec(P,Tc)
%目标向量，稀疏矩阵
T=ind2vec(Tc);
targets=full(T)
%LVQ网络
net=newlvq(minmax(P)
www.eeworm.com/read/355155/10290355
txt l7.7.txt
%拓扑结构
pos=hextop(2,3)
plotsom(pos)
%hextop生成六角形网格结构8*10
pos=hextop(8,10);
plotsom(pos)
www.eeworm.com/read/355155/10290370
txt l3.5.txt
%输入向量和期望（超定系统）
P=[+1 +1.5 +3 -1.2];
T=[0.5 +1.1 +3 -1];
%网格间距
w_range=-2:0.4:2;b_range=-2:0.4:2;
%计算表面误差
ES=errsurf(P,T,w_range,b_range,'purelin');
%显示表面误差
plotes(w_range,b_range,ES);
%寻找最快速稳
www.eeworm.com/read/355155/10290373
txt l3.8.txt
%输入和期望（学习速率过大）
P=[+1.0 -1.2];
T=[+0.5 +1.0];
%网格间距
w_range=-2:0.4:2;b_range=-2:0.4:2;
%计算表面误差
ES=errsurf(P,T,w_range,b_range,'purelin');
%显示表面误差
plotes(w_range,b_range,ES);
%寻找最快速稳定的学习速率
max
www.eeworm.com/read/355155/10290378
txt l3.1.txt
%设计一个二维输入的单输出的线形网络
newt=newlin([-1 1;-1 1],1);
%观察权值和域值
W=net.IW{1,1}
b=net.b{1}
%设置权值和域值
net.IW{1,1}=[2,3];
net.b{1}=[-4];
%输入信号，仿真验证
p=[5;6];
a=sim(net,p);
www.eeworm.com/read/355155/10290390
txt l3.7.txt
%输入和期望（线形相关向量,输入相关，输出不匹配）
P=[1.0 2 3;4 5 6];
T=[0.5 1 -1];
%寻找最快速稳定的学习速率
maxlr=maxlinlr(P,'bias');
%初始网络
net=newlin([0 10;0 10],1,[0],maxlr);
net.trainParam.goal=0.001;
%训练参数
net.trainParam.e
www.eeworm.com/read/355155/10290394
txt l3.4.txt
%输入向量和期望
P=[2 1 -2 -1;2 -2 2 1];
T=[0 1 0 1];
%线形系统设计,训练精度0.1，训练
net=newlin([-2 2;-2 2],1);
net.trainParam.goal=0.1;
[net,tr]=train(net,P,T);
%观察权值和域值
weights=net.IW{1,1}
bias=net.b{1}
%验证，误
www.eeworm.com/read/355155/10290400
txt l3.2.txt
%输入向量和期望
P=[1 2 3];
T=[2.0 4.1 5.9];
%线形系统设计
net=newlind(P,T);
%验证（方差最小）
Y=sim(net,P)