同時用線性網路和bp網路模擬一對線性值，發現，線性網路結果更優！
源**如下：
p=[-3,2]; t=[0.4,0.6]; %建立線性網路 net=newlind(p,t); y=sim(net,p); w1=net.iw,b1=net.b %建立bp網路 net=newcf(minmax(p),[1],); %建立前向bp網路 net.trainparam.epochs=50; %初始化訓練次數 net.trainparam.goal=0.001; %初始化目標誤差 net=train(net,p,t); %訓練網路 w=net.iw, b=net.b y=sim(net,p); %計算結果 % pause % y 黃- 實線. 點< 小於號 % m 紫： 點線o 圓s 正方形 % c 青-. 點劃線x 叉號d 菱形 % r 紅- - 虛線+ 加號h 六角星 % g 綠* 星號p 五角星 % b 藍v 向下三角形 % w 白^ 向上三角形 % k 黑》 大於號 plot(p,t,'k*') %畫出目標點 ，用紫色星號顯示 hold on plot(p,y,'r^') %畫出bp**時的值，為紅色向上三角 plot(p,y,'bv') %畫出線性**時的值，為藍色向下三角 hold off %為了顯示明顯，擴大顯示的範圍 % axis([xmin xmax ymin ymax]) axis([-3.4 2.5 0 1]);
神經網路 matlab 線性網路 1
newlin 新建乙個線性層 learnwh widrow hoff的學習函式 purelin 線性傳輸函式 mse 最小均方誤差效能函式 pmatlab中線性神經網路相關的常用函式和基本功能 newlin 功能 新建乙個線性神經網路函式。格式 1 net newlin 2 net newlin p...
BP網路和RBF網路
一 bp網路 反向傳播網路 二 rbf網路 徑向基函式網路 radial basis function rbf結構上並不複雜，通常只有三層。輸入層 中間層計算輸入 x 向量與樣本向量 c 歐式距離的 radial basis function rbf 的值，輸出層算它們的線性組合。其模型可以數學表示...
BP與RBF神經網路比較
都是前饋型神經網路 只要包含足夠多隱層神經元，就能以任意精度逼近任意複雜度的連續函式。bp是通過不斷的調整神經元的權值來逼近最小誤差的，其方法一般是梯度下降。而rbf是通過對輸入與函式中心點的距離來算權重的，所以第一步就要確定神經元的中心 常用方法有隨機取樣 聚類等 bp的啟用函式是sigmoid函...