訓練樣本矩陣：

P = [0.1? 0.7? 0.8? 0.8? 1.0? 0.3? 0.0? –0.3? –0.5? –1.5;

??? 1.2? 1.8? 1.6? 0.6? 0.8? 0.5? 0.2? 0.8?? –1.5? –1.3];

訓練樣本對應的分類：

T = [1? 1? 1 0? 0 1? 1? 1? 0? 0 ;0? 0? 0? 0? 0? 1 ?1? 1? 1? 1];

用MATLAB實現分類，并畫出網絡模型。

MATLAB代碼：

P= [0.1 0.7 0.8 0.8 1.0 0.3 0.0 -0.3 -0.5 -1.5; 1.2 1.8 1.6 0.6 0.8 0.5 0.2 0.8 -1.5 -1.3]; %給定訓練樣本數據 T= [1 1 1 0 0 1 1 1 0 0 ; 0 0 0 0 0 1 1 1 1 1]; %給定樣本數據所對應的類別，用1 和0來表示兩種類別 net=newp([-2 2;-1 1],2); %創建一個有兩個輸入、樣本數據的取值范圍都在 [-1，1] %之間，并且網絡有兩個神經元的感知器神經網絡 net.trainParam.epochs = 30; %設置網絡的最大訓練次數為30次 net=train(net,P,T); %使用訓練函數對創建的網絡進行訓練 Y=sim(net,P) %對訓練后的網絡進行仿真 E1=mae(Y-T) %計算網絡的平均絕對誤差，表示網絡錯誤分類 Q=[0.7 1.9 0.9 -0.4 0.2 1.3 -1.5 -0.3 -0.7 1.5; 1.2 0.4 -1.6 0.1 1.9 0.0 0.2 0.8 -1.5 0.9]; %檢測訓練好的神經網絡的性能 Y1=sim(net,Q) %對網絡進行仿真，仿真輸出即為分類的結果 figure; %創建一個新的繪圖窗口 plotpv(Q,Y1); %在坐標圖中繪制測試數據 plotpc(net.iw{1},net.b{1}) %在坐標圖中繪制分類線

運行結果：

Y =

???? 1???? 1???? 1???? 0???? 0???? 1???? 1???? 1???? 0???? 0

???? 0???? 0???? 0???? 0???? 0???? 1???? 1???? 1???? 1???? 1

E1 =0

Y1 =

???? 1???? 0???? 0???? 1???? 1???? 0???? 1???? 1???? 0???? 0

???? 0???? 0???? 1???? 1???? 0???? 1???? 1???? 1???? 1???? 0

訓練誤差曲線：

訓練后的分類線：

網絡模型：

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的神经网络 - 用单层感知器实现多个神经元的分类 - （Matlab建模）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。