线性神经网络在Matlab中实现

最新推荐文章于 2024-10-29 13:38:09 发布

原创

最新推荐文章于 2024-10-29 13:38:09 发布 · 1.9k 阅读

10 ·

CC 4.0 BY-SA版权

本文介绍了线性神经网络的神经元结构和学习函数，并详细阐述了如何在Matlab中使用newlind和newlin设计和训练线性层。此外，还探讨了线性神经网络在最小二乘拟合、噪声对消和信号预测等领域的应用。

线性神经网络的神经元传递函数是线性函数，因此输出可以是任意值，感知器的输出只能是0或1

一、神经元结构

二、学习函数

1、newlind--设计一个线性层

net=newlind(P,T)

返回的net已经训练完毕， P输入向量，T输出向量

2、newlin--创建未经训练的线性层

net=newlin(P,S，ID，LR)

P输入向量，S输出节点个数，ID输入延迟时间，LR学习率，默认0.01

3、learnwh--LMS学习函数

4、maxlinlr--计算最大学习速率

三、Matlab实现

1、newlind用于最小二乘拟合

x=-5:5;
y=3*x-7;
randn('state',2);   % 随机数种子,便于重复生成同样的随机数
y=y+randn(1,length(y))*1.5; % 加入噪声的直线
plot(x,y,'o');%生成原始数据点
P=x;T=y;
net=newlind(P,T); %%%%%设计线性神经网络
new_x=-5:0.2:5;
new_y=sim(net,new_x); %%%%%输出仿真结果
hold on;plot(new_x,new_y); %画图像直线
legend('原始数据点','最小二乘拟合函数');
net.iw %权值
net.b %阈值
title('newlind用于最小二乘拟合直线');