Python学习

神经网络自适应调节函数adapt

clear all;
p1={-1 0 1 0 1 1 -1 0 -1 1 0 1};
t1={-1 -1 1 1 1 2 0 -1 -1 0 1 1};
net=linearlayer([0 1],0.1)
%创建一个线性层,输入范围为【-1,1】,0和1的输入延迟,学习率为0.1
[net,y,e,pf]=adapt(net,p1,t1);
mse(e);       

输出:
ans =

0.7006

linearlayer 用间接方式解决线性不可分的问题,用多个线性函数对区域进行划分,然后对神经元输出进行逻辑运算。
MSE是(神经)网络的均方误差,叫”Mean Square Error”。比如有n对输入输出数据,每对为[Pi,Ti],i=1,2,…,n.网络通过训练后有网络输出,记为Yi。那
MSE=(求和(Ti-Yi)^2(i=1,2,..n))/n,即每一组数的误差平方和再除以数据的对数。

Be the First to comment.

Leave a Comment

您的电子邮箱地址不会被公开。

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据