误差、权值、偏差的变化情况

预测数值时，误差、权值、偏差的变化情况

%误差、权值、偏差的变化情况 P=[-3,2]; T=[0.4,0.8]; max_epoch=100; %赋最大训练次数 err1=[]; wv=[]; bv=[]; %定义矩阵 lr=4; W1=-4*rand(1); %赋权值和偏差的初值 b1=-4*rand(1); wv1=W1; bv1=b1; for i=1:max_epoch A1 = logsig(W1*P+b1*ones(1,2)); %计算输出 E = T-A1; %求误差 D1 = A1.*(1-A1).*E; %矩阵对应元素相乘 dW1 = D1*P'*lr; %求权值增量 db1 = D1*ones(2,1)*lr; %求偏差增量 newWV = W1(1,1) + dW1(1,1); %新的权值 W1(1,1) = newWV; wv =[wv newWV]; newBV = b1(1) + db1(1); %新的偏差 b1(1) = newBV; bv =[bv newBV]; SSE = sumsqr(E); %求误差平方和 err1=[err1 SSE]; if (SSE<1e-3) break; end end Wrange=-4:0.2:4; Brange=-4:0.2:4; %W值的行向量、B值的行向量 ES=errsurf(P,T,Wrange,Brange,'logsig'); %求单神经元的误差平面（只用在单神经元中） [C,h] =contour(Wrange,Brange,ES); %作等高线图，ES为高 %返回等高线矩阵C，列向量h是线或对象的句柄， %一条线一个句柄，这些被用作CLABEL的输入， %每个对象包含每个等高线的高度 clabel(C,h) %标上高度值 colormap cool %背景的颜色cool axis('equal') % hold on %plot(w1,b1,'r*') figure(2); title('权值、偏差变化情况'); hold on; plot(wv1,bv1,'rv') plot(wv,bv) %作矩阵变化曲线,此处主要看变化方向 hold off; % plot(wv,bv,'g*'); % hold off figure(3) plot(err1) %作误差变化曲线