【MATLAB】神经网络学习

神经网络学习函数

learnp函数[默认]

[dW,LS] = leanrp(W,P,Z,N,A,T,E,gW,gA,D,LP,LS)

dW为权值变化矩阵;

LS为当前学习状态;

W为SxR的权值矩阵(可省略);

P为RxQ的输入向量矩阵；

Z为SxQ的输入层的权值矩阵(可省略)；

N为SxQ的网络输入矩阵(可省略)；

E为误差矩阵(E=T-Y)；

T表示网络的目标向量(可省略)；

A表示网络的实际输出向量(可省略)；

gW为SxR的与性能相关的权值梯度矩阵(可省略)；

gA为SxQ的与性能相关的输出梯度值矩阵(可省略)；

D为SxS的神经元距离矩阵(可省略)；

LP为学习参数(可省略)；

LS学习函数声明(可省略).

利用该函数学习一个感知器网络,使其完成"或"功能

learnpn函数

输入向量数值幅度变化较大时,采用learnpn代替learnp函数,以加快计算速度

神经网络传递函数

hardlim函数[默认]

A = hardlim(N,FP)

在给定色网络的输入向量矩阵N是,返回该层的输出向量矩阵A,当N中的元素>=0,返回1,否0.

hardlims函数

输出的值为-1和1