MATLAB神经网络学习笔记之:利用learnp函数对感知器网络实现‘或’门
2018-01-07 00:00
609 查看
% 利用learnp函数对感知器网络进行训练,实现‘或’门 clear all; clc; % 期望误差最小值 err_goal = 0.0015; % 最大训练次数 max_epoch = 9999; % 样本数据 X = [0 1 0 1;0 1 1 0]; % 目标数据 T = [0 1 1 1]; % 创建感知器网络 net = newp([0 1;0 1],1); W = rand(1,2); b = rand; net.iw{1,1} = W; net.b{1} = b; for epoch = 1:max_epoch y = sim(net,X); E = T - y; sse = mae(E); if( sse < err_goal) break; end % 训练 dW = learnp(W,X,[],[],[],[],E,[],[],[],[],[]); db = learnp(b,ones(1,4),[],[],[],[],E,[],[],[],[],[]); % 更新网络的参数 W = W + dW; b = b + db; net.iw{1,1} = W; net.b{1} = b; end epoch,W,y
相关文章推荐
- MATLAB神经网络学习笔记之:感知器网络实现‘或’门
- TensorFlow 深度学习笔记 TensorFlow实现与优化深度神经网络
- TensorFlow 深度学习笔记 TensorFlow实现与优化深度神经网络
- TensorFlow深度学习笔记 实现与优化深度神经网络
- 深度学习笔记之神经网络、激活函数、目标函数和深度的初步认识
- 深度学习笔记(二):简单神经网络,后向传播算法及实现
- 【摘要与笔记1】-单层感知器,两层神经网络与深度学习
- 机器学习笔记:形象的解释神经网络激活函数的作用是什么?
- 深度学习笔记——深度学习框架TensorFlow之DNN深度神经网络的实现(十四)
- 机器学习之基于matlab的神经网络粒子群优化算法的实现
- TensorFlow 深度学习笔记 TensorFlow实现与优化深度神经网络
- Deep Q-Network 学习笔记(二)—— Q-Learning与神经网络结合使用(有代码实现)
- 【学习笔记】matlab算法实现贝叶斯判别classify函数
- 图像处理学习笔记之MATLAB中imhist、imadjust、stretchlim函数实现
- 神经网络之感知器算法简单介绍和MATLAB简单实现
- Deep Learning 学习笔记(二):神经网络Python实现
- 语音学习笔记3------matlab实现傅里叶反变换ifft()函数
- 神经网络学习笔记(一)感知器神经网络
- 神经网络学习笔记 - 激活函数的作用、定义和微分证明
- TensorFlow 深度学习笔记 TensorFlow实现与优化深度神经网络