本篇內(nèi)容介紹了“matlab線性神經(jīng)網(wǎng)絡(luò)怎么用”的有關(guān)知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領(lǐng)大家學(xué)習(xí)一下如何處理這些情況吧！希望大家仔細閱讀，能夠?qū)W有所成！

成都創(chuàng)新互聯(lián)長期為成百上千客戶提供的網(wǎng)站建設(shè)服務(wù)，團隊從業(yè)經(jīng)驗10年，關(guān)注不同地域、不同群體，并針對不同對象提供差異化的產(chǎn)品和服務(wù)；打造開放共贏平臺，與合作伙伴共同營造健康的互聯(lián)網(wǎng)生態(tài)環(huán)境。為鐵東企業(yè)提供專業(yè)的網(wǎng)站設(shè)計、網(wǎng)站制作，鐵東網(wǎng)站改版等技術(shù)服務(wù)。擁有十多年豐富建站經(jīng)驗和眾多成功案例,為您定制開發(fā)。

線性神經(jīng)網(wǎng)絡(luò)是最簡單的一種神經(jīng)網(wǎng)絡(luò)，可以由一個或者多個線性神經(jīng)元組成。

線性神經(jīng)網(wǎng)絡(luò)與感知器的區(qū)別在于：線性神經(jīng)網(wǎng)絡(luò)的神經(jīng)元傳遞函數(shù)是線性函數(shù)，因此線性神經(jīng)網(wǎng)絡(luò)的輸出可以取任意值，而感知器的輸出只可能是0或者1。

線性神經(jīng)網(wǎng)絡(luò)在收斂速度與精度上都比感知器要高，但是同感知器一樣，線性神經(jīng)網(wǎng)絡(luò)只能解決線性分離問題。

感知器的每一個輸入都有一個輸出與之相對應(yīng)。參照輸出向量與期望輸出向量的差別，調(diào)整網(wǎng)絡(luò)的權(quán)值跟閾值，使得訓(xùn)練誤差的平方和最小或者小于一定值，這種學(xué)習(xí)規(guī)則就是Widrow-Hoff學(xué)習(xí)規(guī)則，稱為LMS(Least Mean Square)算法。

   

%% 定義變量      
   

P=[0,0,1,1;0,1,0,1];

% 輸入向量

d=[0,0,0,1];

% 期望輸出向量

lr=maxlinlr(P,'bias');

% 根據(jù)輸入矩陣求解最大學(xué)習(xí)率

 

%% 線性網(wǎng)絡(luò)實現(xiàn)      
   

net1=linearlayer(0,lr);

% 創(chuàng)建線性網(wǎng)絡(luò)

net1=train(net1,P,d); 

% 線性網(wǎng)絡(luò)訓(xùn)練

 

%% 感知器實現(xiàn)

net2=newp([-1,1;-1,1],1,'hardlim');  

% 創(chuàng)建感知器

net2=train(net2,P,d);  

% 感知器學(xué)習(xí)

 

%% 顯示

plot([0,0,1],[0,1,0],'o');        

% 圖形窗口輸出

hold on;

plot(1,1,'d');

x=-2:.2:2;

y1=1/2/w1(2)-w1(1)/w1(2)*x-w1(3)/w1(2);   

% 1/2是區(qū)分0和1的閾值

plot(x,y1,'-');

y2=-w2(1)/w2(2)*x-w2(3)/w2(2);      

% hardlim函數(shù)以0為閾值，分別輸出0或1

plot(x,y2,'--');

axis([-0.5,2,-0.5,2])

xlabel('x');ylabel('ylabel');

title('線性神經(jīng)網(wǎng)絡(luò)與感知器用于求解與邏輯')

legend('0','1','線性神經(jīng)網(wǎng)絡(luò)分類面','感知器分類面');

    

“matlab線性神經(jīng)網(wǎng)絡(luò)怎么用”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識可以關(guān)注創(chuàng)新互聯(lián)網(wǎng)站，小編將為大家輸出更多高質(zhì)量的實用文章！