感知器神经网络_MATLAB

1.感知器神经网络介绍

1.1概念

• 感知器是一种前馈神经网络，具有分层结构； 信息从输入层进入网络，逐层向前传递到输出层；
• 感知器神经网络是从MP网络发展而来，实际上是线性阙值组成的网络，在MP基础上加上学习功能，使其权值可以调节；

MP模型： https://blog.csdn.net/be_racle/article/details/114795300

1.2 感知器分类

• 单层感知器
• 多层感知器

2.单层感知器

2.1概念

单层感知器是最简单的一种人工神经网络结构，包含输入层和输出层。输入层只负责接受外部信息，每个输入节点接收一个输入信号。输出层也称为处理层，具有信息处理能力以及向外部输出处理信息。

网络中有S个感知器神经元，R个输入元素，W为S*R权值矩阵。输出层第i个神经元的输出为

原文链接：https://blog.csdn.net/weixin_42985978/article/details/123602541

3.多层

4.感知器神经网络训练函数

显示函数

clear all;
%定义输入向量和目标函数
P = [0 0 1 1;0 1 0 1]
T = [0 0 0 1]
plotpv(P,T)
title('向量类别')

plotpv_test
P =
0 0 1 1
0 1 0 1
T =
0 0 0 1

clear all;
%定义输入向量和目标函数
P = [0 0 1 1;0 1 0 1]
T = [0 0 0 1]
plotpv(P,T) %绘制向量

net = newp(minmax(P),1) %创建一个感知网络
%设定全职
net.iw{
   
   1,1} = [-1.2,-0.5];%获取w1值
net.b{
   
   1} = 1;%我们的目的实际上是为了获得直线(x1*w1+b=0)
plotpc(net.iw{