p4.m

神经网络的很好分类例子

clc;clear;
clf;                                     %清除当前图形
figure(gcf);                               %建立图形窗口并返回当前图形句柄
p=[0.8 -1.4];                              %输入向量
t=[0.4 1.2];                               %目标向量
w_range=-1:0.1:1;                         %权值从－1变为1步长0.1
b_range=-1:0.1:1;                         %阈值从－1变为1步长0.1
es=errsurf(p,t,w_range,b_range,'purelin');      %计算误差
plotes(w_range,b_range,es);                 %绘制误差曲面
ax=findobj(gcf,'type','axes');                %设置ax为返回当前图形类型及坐标
net=newlind(p,t);                          %设计一个线性层
format compact;                           %设置紧凑输出格式
a=0;e=0;sse=0;
a=sim(net,p)                              %求输出向量
e=t-a                                    %输出与目标之间的误差
sse=sumsqr(e)                            %误差平方和
plotes(w_range,b_range,es);
plotep(net.iw{1,1},net.b{1},sse);             %在误差曲面上绘制权值阈值点