16、感知器与线性网络的原理及应用

感知器与线性网络的原理及应用

感知器训练与计算

在感知器的训练过程中，若输出 a 不等于目标值 t1 ，则需使用感知器规则根据误差来计算权重和偏置的增量变化。假设初始权重和偏置为 0，当输入向量 p1 时，计算误差 e = t - a ，然后根据规则更新权重和偏置。

操作步骤如下：
1. 计算误差： e = t - a 。
2. 更新权重： ΔW = e * p1.T 。
3. 更新偏置： Δb = e 。
4. 计算新的权重和偏置： W_new = W_old + ΔW ， b_new = b_old + Δb 。

例如，当 p1 = [2; 2] ， t = [0] 时，经过计算可得新的权重 W = [-2 -2] ，偏置 b = -1 。

接下来，我们可以使用 train 函数自动完成这些计算。以下是使用 train 函数的代码示例：

net = perceptron;
p = [2; 2];
t = [0];
net.trainParam.epochs = 1;
net = train(ne