Линейный нейрон предназначен для ответа на конкретные входы с целевыми выходами.
X задает два шаблона входа с 1 элементом (векторами-столбцами). T определяет соответствующие 1-элементные цели ( векторы-столбцы).
X = [1.0 -1.2]; T = [0.5 1.0];
ERRSURF вычисляет ошибки для нейрона y с областью значений y возможных значений веса и смещения. PLOTES строит график этой поверхности ошибки с графиком y контура под. Лучшими значениями веса и смещения являются те, которые приводят к самой низкой точке на поверхности ошибки.
w_range = -1:0.1:1;
b_range = -1:0.1:1;
ES = errsurf(X,T,w_range,b_range,'purelin');
plotes(w_range,b_range,ES);
Функция NEWLIND спроектирует сеть y, которая выполняет с минимальной ошибкой.
net = newlind(X,T);
SIM используется для моделирования сети для входов X. Затем мы можем вычислить ошибки нейронов. SUMSQR добавляет квадратичных невязок.
A = net(X)
A = 1×2
0.5000 1.0000
E = T - A
E = 1×2
0 0
SSE = sumsqr(E)
SSE = 0
PLOTES воспроизводит поверхность ошибки. PLOTEP строит графики «положения» сети с помощью значений веса и смещения, возвращаемых SOLVELIN. Как видно из графика, SOLVELIN нашел решение минимальной ошибки.
plotes(w_range,b_range,ES); plotep(net.IW{1,1},net.b{1},SSE);
Теперь мы можем протестировать ассоциатор с одним из исходных входов, -1.2, и увидеть, вернёт ли он цель, 1.0.
x = -1.2; y = net(x)
y = 1