摘要： %%学习目标：线性神经网络 %%收敛速度和精度比之前讲的感知器神经网络要高 %%主要应用在函数逼近，信号预测，模式识别，系统辨识方面 clear all; close all; P=[1.1 2.2 3.1 4.1]; T=[2.2 4.02 5.8 8.1]; lr=maxlinlr(P); %获 阅读全文

摘要： %%学习目标：使用建立好的神经网络（训练好并保存，下次直接调用该神经网络） clear all; close all; P=[-0.4 -0.4 0.5 -0.2 -0.7;-0.6 0.6 -0.4 0.3 0.8]; %输入变量 T=[1 1 0 0 1]; %输入向量 plotpv(P,T); 阅读全文

摘要： 学习目标：从学习第一个最简单的神经网络案例开启学习之路 %% 感知器神经网络 用于点的分类 clear all; close all; P=[0 0 1 1;0 1 0 1]; %输入向量 T=[0 1 1 1]; %目标向量 net=newp(minmax(P),1,'hardlim','lear 阅读全文