第5章 线性神经网络.rar_线性神经网络

% example5_4.m %% 清理 clear,clc close all %% 定义数据 P=-5:5; % 输入：11个标量 d=3*P-7; randn('state',2); d=d+randn(1,length(d))*1.5 % 期望输出：加了噪声的线性函数 P=[ones(1,length(P));P] % P加上偏置 lp.lr = 0.01; % 学习率 MAX = 150; % 最大迭代次数 ep1 = 0.1; % 均方差终止阈值 ep2 = 0.0001; % 权值变化终止阈值 %% 初始化 w=[0,0]; %% 循环更新 for i=1:MAX fprintf('第%d次迭代：\n', i) e=d-purelin(w*P); % 求得误差向量 ms(i)=mse(e); % 均方差 ms(i) if (ms(i) < ep1) % 如果均方差小于某个值，则算法收敛 fprintf('均方差小于指定数而终止\n'); break; end dW = learnwh([],P,[],[],[],[],e,[],[],[],lp,[]); % 权值调整量 if (norm(dW) < ep2) % 如果权值变化小于指定值，则算法收敛 fprintf('权值变化小于指定数而终止\n'); break; end w=w+dW % 用dW更新权值 end %% 显示 fprintf('算法收敛于：\nw= (%f,%f),MSE: %f\n', w(1), w(2), ms(i)); figure; subplot(2,1,1); % 绘制散点和直线 plot(P(2,:),d,'o');title('散点与直线拟合结果'); xlabel('x');ylabel('y'); axis([-6,6,min(d)-1,max(d)+1]); x1=-5:.2:5; y1=w(1)+w(2)*x1; hold on;plot(x1,y1); subplot(2,1,2); % 绘制均方差下降曲线 semilogy(1:i,ms,'-o'); xlabel('迭代次数');ylabel('MSE');title('均方差下降曲线');