比较线性网络和非线性网络的分类效果

本文主要是介绍比较线性网络和非线性网络的分类效果，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

 

比较线性网络和非线性网络的分类效果，代码如下：

 

%比较线性和非线性bp网络的分类效果 clc; clear; P=[-8 -8.1 -4 -4.2 3 3.1 5 5.1 ]; T=[0.0 0.081 0.97 0.99 0.01 0.03 1.1 1]; %创建线性网络 net=newlind(P,T); w1=net.iw{1,1} %线性网路的权值 b1=net.b{1} %线性网络的偏差 y=sim(net,P); %创建非线性网络bp网络 net=newcf(minmax(P),[1],{'logsig'},'traingd'); %创建一层非线性网络 net.trainParam.epochs=400; %初始化训练次数 net.trainParam.goal = 0.2297; net=train(net,P,T); %训练网络 w2=net.iw{1,1} %非线性网路的权值 b2=net.b{1} %非线性网络的偏差 Y=sim(net,P); %显示结果 plot(P,T,'r+'); %目标值 hold on plot(P,y,'b^'); %画线性输入输出点的连线 plot(P,Y,'bv') %画非线性输入bp网络输出点的连线 hold off %控制显示范围 axis([min(P)-2 max(P)+2 min(min(P),min(min(Y),min(y)))-0.3 max(max(Y),max(max(P),max(y)))+0.3]);

 

 

 

这篇关于比较线性网络和非线性网络的分类效果的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---