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/355155/10290472
txt l11.6.txt
%函数
w=rand(1,5)
p=rand(5,1)
z=mywf(w,p)
%调用函数
dz_dp=mydwf('p',w,p,z)
dz_dw=mydwf('w',w,p,z)
%观察源程序
type mydwf
www.eeworm.com/read/355155/10290475
txt l11.9.txt
%调用函数
pos=mytopf(20,20);
plotsom(pos)
%观察源程序
type mytopf
www.eeworm.com/read/355155/10290478
txt l11.4.txt
%绘制传递函数mytf曲线
z1=rand(4,5);
z2=rand(4,5);
z3=rand(4,5);
n=mynif(z1,z2,z3);
dn_dz1=mydnif(z1,n)
dn_dz2=mydnif(z2,n)
dn_dz3=mydnif(z3,n)
%调用函数
%观察源程序
type mydnif
www.eeworm.com/read/355155/10290485
txt l2.6.txt
%设计一个二维输入的一个神经元的网络
net=newp([-2 2;-2 2],1);
%设置权值和域值
w=[1 -0.8]
net.IW{1,1}=w
net.b{1}=[0]
%设置输入向量和期望值
p=[1;2];
t=[1];
%网络输出和误差
a=sim(net,p)
e=t-a
%学习规则，权值调整量
dw=learnp(w,p,[],[],[],[],e,
www.eeworm.com/read/355155/10290488
txt l2.2.txt
%设计一个二维输入的一个神经元的网络
net=newp([-2 2;-2 2],1);
%设置权值和域值
net.IW{1,1}=[-1 1];
net.b{1}=[1];
%观察权值和域值
net.IW{1,1}
net.b{1}
%输入信号，验证
p1=[1;1];
a1=sim(net,p1)
%输入信号，验证
p2=[1;-1];
a2=sim(net,p2)
www.eeworm.com/read/355155/10290493
txt l2.4.txt
%设计一个二维输入的一个神经元的网络
net=newp([-2 2;-2 2],1);
%改变网络输入的权值和域值为随机数
net.inputweights{1,1}.initFcn='rands';
net.biases{1}.initFcn='rands';
net=init(net);
%观察权值和域值
wts=net.IW{1,1}
bias=net.b{1}
www.eeworm.com/read/355155/10290497
txt l2.5.txt
%设计一个二维输入的一个神经元的网络
net=newp([-2 2;-2 2],1);
%设置权值和域值
w=[1 -0.8]
net.IW{1,1}=w
net.b{1}=[0]
%设置输入向量和期望值
p=[1;2];
t=[1];
%网络输出和误差
a=sim(net,p)
e=t-a
%学习规则，权值调整量
dw=learnp(w,p,[],[],[],[],e,
www.eeworm.com/read/355155/10290499
txt l2.1.txt
%设计一个单输入的一个神经元的网络
net=newp([0 2],1);
%观察权值和域值
inputweights=net.inputweights{1,1}
biases=net.biases{1}
www.eeworm.com/read/355155/10290503
txt l2.3.txt
%设计一个二维输入的一个神经元的网络
net=newp([-2 2;-2 2],1);
%观察权值和域值
wts=net.IW{1,1}
bias=net.b{1}
%设置权值和域值
net.IW{1,1}=[3,4];
net.b{1}=5;
%观察权值和域值
net.IW{1,1}
net.b{1}
%初始化网络
net=init(net);
%观察权值和域值
wt
www.eeworm.com/read/355155/10290519
txt l6.1.txt
%Hopfield网络模型结构（饱和线形函数）
P=[-2 -1 -0.5 0 0.5 +1 +2];
a=satlins(P)