perceptive_131.m

感知器神经元解决较复杂输入向量的分类问题

% 本例采用单一感知器神经元来解决一个较复杂输入向量的分类问题：当输入为3个量时，将8个输入向量分类两类，其中4个向量对应的目标值为1，另4个向量对应的目标值为0。
clf reset
figure(gcf)
%setfsize(300,300);
echo on
clc

% INITP -对感知器神经元初始化
% SIMUP -对感知器神经元仿真
% TRAINP -利用感知器学习规则对感知器神经元训练
pause  
clc
% P 为输入向量
P=[-1 +1 -1 +1 -1 +1 -1 +1;
   -1 -1 +1 +1 -1 -1 +1 +1;
   -1 -1 -1 -1 +1 +1 +1 +1];
% T 为目标向量
T = [0 1 0 0 1 1 0 1];
pause 
clc
% 绘出输入向量
plotpv(P,T);
pause
clc
% 定义感知器神经元
[w,b]=initp(P,T);
echo off
clc
% 初始化感知器神经元
plotpv(P,T);
plotpc(w,b);
pause
clc
% 训练感知器神经元
[w,b,epochs,errors] = trainp(w,b,P,T,[-1]);
pause
clc
% 绘制误差曲线
ploterr(errors);
pause
clc
% 利用训练完成的感知器神经元进行分类
p=[0.7;1.2;-0.2];
a=simup(p,w,b)
echo off