performance_of_three_class_problem.m

来自「1.感知器对于线型可分问题的收敛性证明 2.用感知器对线型可分得问题进行分类 」· M 代码 · 共 34 行

%--------------------------------------------------------%
%     Performance of Problem 2:Three Class Problem       %
%--------------------------------------------------------%

%感知器神经元的输入/目标向量
P=[1 0 3  2 2  1 -1 -2 -1;
   1 2 1 -1 0 -2  2  1  1];
T=[ 0 0 0 0 0 0 1 1 1; 
    0 0 0 1 1 1 0 0 0];

%绘制感知器神经元的输入/目标向量
plotpv(P,T);

%建立一个感知器神经网络
net=newp([-1.5 1;-1.5 1],2);

%感知器在训练之前的输出
Y=sim(net,P);
plot(P,T,P,Y,'o');
%对感知器训练20次
net.trainParam.epochs=20;
net=train(net,P,T);

%感知器在训练之后的输出
Y=sim(net,P);

%利用平均绝对误差mae计算网络的性能
err4=0.2*mae(Y-T);
figure;
plot(P,T,P,Y,'o');

%-------------------------result-------------------------%
%结果是感知器在被训练6次之后的输出符合要求，平均绝对误差减为0%
%--------------------------------------------------------%