3、神经网络拓扑结构与回忆机制详解

神经网络拓扑结构与回忆机制详解

1. 输出表面绘图与MATLAB代码

在神经网络研究中，输出表面与输入变量 (x) 的绘图虽有一定信息价值，但并非常用工具。不过在模糊逻辑设计里，它被称作推理表面，是标准工具之一。这里使用MATLAB NN Toolbox（1995）进行绘图，具体命令序列如下：

% set up NN weights:
v = [-4.79; 5.9];
b = [-0.93];
% set up plotting grid for sampling x:
[x1,x2] = meshgrid(-2: 0.1: 2);
% compute NN input vectors p and simulate NN using sigmoid:
p1 = x1(:);
p2 = x2(:);
p = [p1'; p2'];
a = simuff(p, v ,b,'sigmoid');
% format results for using 'mesh' or 'surfl' plot routines:
a1 = eye(41);
a1(:) = a';
mesh(x1,x2,a1);

在这段MATLAB代码中，有几个要点需要注意：
- 要熟悉MATLAB用户指南中冒号在矩阵格式化中的用法。
- 向量或矩阵上的撇号（如 p1' ）表示矩阵转置。
- 命令末尾的分号会抑制结果的打印。
- 符号 % 表示该行其余部分为注释。
- MATLAB定义的神经网络权重矩阵是我们所定义权重矩阵的转置，