matlab线性神经网络如何实现非线性分类

今天小编给大家分享一下matlab线性神经网络如何实现非线性分类的相关知识点，内容详细，逻辑清晰，相信大部分人都还太了解这方面的知识，所以分享这篇文章给大家参考一下，希望大家阅读完这篇文章后有所收获，下面我们一起来了解一下吧。

Madaline的核心思想是使用多个线性神经元，分别得到输出之后，再对输出值进行判断，得到最终的分类结果。      
   

 

%% 第一个神经元      
   

P1=[0,0,1,1;0,1,0,1];               

% 输入向量

d1=[1,0,1,1];                       

% 期望输出向量

lr=maxlinlr(P1,'bias');             

% 根据输入矩阵求解最大学习率

   

net1=linearlayer(0,lr);             

% 创建线性网络

net1=train(net1,P1,d1);             

% 线性网络训练

 

%% 第二个神经元

P2=[0,0,1,1;0,1,0,1];               

% 输入向量

d2=[1,1,0,1];                       

% 期望输出向量

lr=maxlinlr(P2,'bias');             

% 根据输入矩阵求解最大学习率

   

net2=linearlayer(0,lr);             

% 创建线性网络

net2=train(net2,P2,d2);             

% 线性网络训练

 

Y1=sim(net1,P1);Y1=Y1>=0.5;

Y2=sim(net2,P2);Y2=Y2>=0.5;

Y=~(Y1&Y2);

%% 显示

plot([0,1],[0,1],'bo');             

% 图形窗口输出

hold on;

plot([0,1],[1,0],'d');

x=-2:.2:2;

y1=1/2/w1(2)-w1(1)/w1(2)*x-w1(3)/w1(2);   

% 第一条直线,1/2是区分0和1的阈值

plot(x,y1,'-');

y2=1/2/w2(2)-w2(1)/w2(2)*x-w2(3)/w2(2);   

% 第二条直线，1/2是区分0和1的阈值

plot(x,y2,'--');

axis([-0.1,1.1,-0.1,1.1])

xlabel('x');ylabel('y');

title('Madaline用于求解异或逻辑')

legend('0','1','第一条直线','第二条直线');

    

以上就是“matlab线性神经网络如何实现非线性分类”这篇文章的所有内容，感谢各位的阅读！相信大家阅读完这篇文章都有很大的收获，小编每天都会为大家更新不同的知识，如果还想学习更多的知识，请关注亿速云行业资讯频道。