4.人工神经网络（一些例题）

感知器神经网络设计的基本方法
一.单层感知器神经网络的 MATLAB 仿真程序设计主要包括以下几个方面：
(1)以 newp 创建感知器神经网络
首先根据要解决的问题,确定每个样本的输入向量的取值范围和维数,网络层的神经元数目,传输函数和学习函数等然后予以单层感知器神经网络的创建函数 newp 创建网络。
(2)以 train 训练创建网络
构造训练样本集,确定每个样本的输入向量和目标向量,调用函数 train 对网络进行训练,并根据训练的情况决定是否调整训练参数,以得到满足误差性能指标的神经网络,然后进行存储。
(3)以 sim 对训练后的网络进行仿真
构造测试样本集,加载训练后的网络,调用函数 sim,以测试样本集进行仿真,查验网络的性能。
从以上过程可以看出,重要的感知器神经网络函数有：newp , train 和 sim ,除此之外还涉及 init , trainc , dotprod , netsum , mae , plotpc , plotpv 等。

例1：
设计一单层单输出感知器神经网络,进行二值化图像卡片上数字的奇偶分类。以下两图片中，共5*3个小方格，每个小方块上有笔画，为1，反之为0。该模式可以作为感知器神经网络的输入向量。

数字0-9的表格如下：

数字	p1	p2	p3	p4	p5	p6	p7	p8	p9	p10	p11	p12	p13	p14	p15
0	1	1	1	1	0	1	1	0	1	1	0	1	1	1	1
1	1	1	0	0	1	0	0	1	0	0	1	0	1	1	1
2	1	1	1	1	0	1	0	1	1	1	1	0	1	1	1
3	1	1	1	1	1	1	0	1	1	0	0	1	1	1	1
4	0	1	0	1	1	0	1	1	0	1	1	1	0	1	0
5	1	1	1	1	1	0	0	1	1	0	0	1	1	1	1
6	0	1	1	1	1	0	1	1	1	1	0	1	1	1	1
7	1	1	1	1	0	1	0	1	0	0	1	0	0	1	0
8	1	1	1	1	0	1	1	1	1	1	0	1	1	1	1
9	1	1	1	1	0	1	1	1	1	0	1	1	1	1	0

如果我们想让奇数数字输出为0，偶数为1进行分类

我们的分析为：
●网络有 1 个输入向量,包括 15 个元素,相应图像卡片上 15 个小方块的值,输入元素的取值范围为[0 1];
●为单层、单神经元感知器神经网络;
●输出是一个二值向量 0 或 1,它的两种不同取值分别表示分类结果的奇偶情况,所以神经元的传输函数可以取为 hardlim 函数。

MATLAB代码：

clear all ; 
%创建感知器神经网络
pr=[0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1];%设置输入，15行2列
net=newp(pr,1); %创建感知器神经网络,有 15 个输入元素,一个神经元
%训练感知器神经网络
%定义 15 *10 的训练样本集输入向量
p=[1 1 1 1 0 1 1 0 1 1 0 1 1 1 1;
1 1 0 0 1 0 0 1 1 0 1 0 1 1 1;
1 1 1 1 0 1 0 1 1 1 1 0 1 1 1;
1 1 1 1 1 1 0 1 1 0