摘要：X=[1,0,0;1,0,1;1,1,0;1,1,1];W=[0.5,0.5,0.5];d=[-1,1,1,1];r=0.9;for n=1:1:1000 m=W(n,1)+W(n,2)*X(mod(n-1,4)+1,2)+W(n,3)*X(mod(n-1,4)+1,3); if(m<0) y=-1; else y=1; end WW=W(n,:)+r*(d(mod(n-1,4)+1)-y)*X(mod(n-1,4)+1,:); WW=WW'; W=W'; W=[W,WW]; W=W';endplot(0,0,'... 阅读全文

摘要：学习算法如下：1.设置变量和参量：X(n)=[1,x1(n),x2(n),...,xm(n)]T,为输入向量，或称训练样本。W(n)=[b(n),w1(n),w2(n),...,wm(n)]T,为权值向量。…………见人工神经网络原理及仿真实例 第2版 高隽 25页。#include<iostream>using namespace std;#define N 100 //迭代次数int main(){ long i,x[4][3]={{1,0,0},{1,0,1},{1,1,0},{1,1,1}}; double w[N][3],m,y,r=0.8,d[4]={0,1,1,1};/ 阅读全文