perceptive_132.m

基于感知器神经网络处理复杂的分类问题

% 本例利用感知器神经网络，解决一个复杂的分类问题：采用具有两个输入，且有两个神经元的网络结构，将10个输入向量分成4组。
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=[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 为目标向量
T = [1 1 1 0 0 1 1 1 0 0;
     0 0 0 0 0 1 1 1 1 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);
k=pickic;
if k==2
    w=[-0.692 6 0.604 8;0.143 3 -0.9339];
    b=[0.0689;-0.0030];
end
echo on
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=[-1.7;-1.2];
a=simup(p,w,b)
echo off