神经网络与深度学习---单层感知器（matlab+实例）

 单层感知器就像我们大脑中一个简单的神经元一样，神经元输入的是电流信号，而我们这个感知器输入的是一个具体的数。

 权向量就是输入的一个节点×对应的权值。输出节点的圆圈是两个符号函数，hardlims和hardlim。偏置因子就是各个权向量累加再加上的一个数（t=0.4也可以写成b，它的值不是固定的）。输出Y，它的值不是1就是0（也可以是1和-1，具体看你选择的函数）。

hardlims和hardlim的函数如上图所示。

接下来看一个具体的例子。

 

 我们用上面的数据集来训练，下面是具体的代码。（matlab2016）

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

T=[-1,1,1,1,-1,-1,1,-1;]

p=[0,1;0,1;0,1]

t=1

net=newp(p,t,'hardlims')

net=train(net,P,T)

 

 结束。我们可以随便输入几个数，判断模型的准确性。

newP=[0,1,1]';

newT=sim(net,newP)

其实，它就是一个简单的分类器。