hop3.m

面向MATLAB工具箱的神经网络理论与应用

%例5.3, hop3.m
%
clear
T=[1 -1;-1 1];
net=newhop(T);                          %创建Hopfield网络
w=net.lw{1,1},b=net.b{1}                 %输出权值和偏差
Ai ={T};                              
[Y,Pf,Af] = sim(net,{2,3},[],Ai);             %仿真输出
A1=Y{1},A2=Y{2},A3=Y{3}               %给出三次循环的结果

P=[0.5621 0.3577 0.8694 0.0388 -0.9309 0.0594;
   -0.9095 0.3586 -0.2330 0.6619 0.8931 0.3423];
Ptest={P};                               %输入检测样本
[Z,Pf,Af] = sim(net,{6,25},[],Ptest);           %仿真输出
Ap=Z{25}                               %给出网络循环的最后一次结果
plot(T(1,:),T(2,:),'r*')                       %作目标点
hold on
plot(P(1,:),P(2,:),'r+')                       %作起始点
for i=1:6
	D{i}=P(:,i) ;                          %初始化D{i}，共6个矩阵
end
for i=1:25
    plot(Z{i}(1,:),Z{i}(2,:),'ro')              %作训练过程中点的变化
    for j=1:6
        D{j}=[D{j} Z{i}(:,j)];              %把Z中60个矩阵中的同一位置的元素赋给
%同一矩阵   
    end
end
for j=1:6
    plot(D{j}(1,:),D{j}(2,:))                 %画每个点的变化直线图
end
hold off