第六章matlab与nnt使用範例(编辑修改稿)

第六章matlab与nnt使用範例(编辑修改稿)内容摘要：

lin([1 3。 1 2],1,0,0)。 • %如果寫得更清楚你會宣告如是 • PMM=[1 3。 1 2]。 no_out=1。 delays=[0]。 learn_rate=0。 • =newff(PMM,no_out,delays,learn_rate)。 %這樣是否更清楚。 • % 首先設 W及 b皆為 0始 • {1,1}=[0 0]。 {1}=0。 • [,a,e,pf]=adapt(,P,T)。 %步進學習，總共 4次 • a %看結果 • a = • [0] [0] [0] [0] %沒任何改善，因為沒學 • e • e = • [3] [5] [4] [7] • pf • pf = • Empty cell array: 1by0 • % 設定 W及 b的學習率 (Learning rates) • {1,1}.=。 • {1}.=。 • [,a,e,pf]=adapt(,P,T)。 %再步進學習 步進學習及批次學習 • a • a = %結果開始變了 • [0] [] [] [] • T • T = • [3] [5] [4] [7] • e • e = %e=Ta • [3] [] [] [] • pf • pf = • Empty cell array: 1by0 • mse(e) %平均誤差平方 • ans = • • % 再練四次 • [,a,e,pf]=adapt(,P,T)。 • [T。 a。 e] %這樣顯示比較好對照 • ans = • [ 3] [ 5] [ 4] [ 7] • [ ] [] [ ] [] • [] [] [] [] 步進學習及批次學習 • mse(e) • ans= %平均誤差平方已有改善了 • % P一次有四組，每呼叫一次 adapt，就做步進學習四次，這叫做一個 pass，如果要連續 100個 passes，下達指令如下： • = 100。 • [,a,e] = adapt(,P,T)。 • [T。 a。 e] • ans = %看來學得不錯了 • [ 3] [ 5] 4] [ 7] • [ ] [] [ ] [] • [] [] [] [] • mse(e) • ans = %誤差也變小了 • {1,1} %W值 • ans = • • {1} %b值 • ans = • 步進學習及批次學習 • %如果把 b關掉，再試試看 • =0。 • = 100。 • [,a,e] = adapt(,P,T)。 • {1,1} %標準答案出硯了 • ans = • • [T。 a。 e] %好得很 • ans = • [ 3] [ 5] [ 4] [ 7] • [ ] [ ] [ ] [ ] • [] [] [] [] • mse(e) • ans = • 輸入有四組，每輸入完成四組叫做一個 Epoch(在步進學習裡叫pass)，不是只做一個 pass就會很好，故要多做些 passes才行。 步進學習及批次學習 • 至於動態網路的步進學習， I/O都要用 cell array型態表示。 例如： • P={2 3 4}。 T={3 5 7}。 • Pi={1}。 %u[k1]的初始值 • =newlin([2 4],1,[0 1],)。 %有一個 delay • {1,1}=[0 0]。 • =0。 • [,a,e,Pf] = adapt(,P,T,Pi)。 • [T。 a。 e] • ans = %一個 pass的結果不怎麼好 • [3] [ 5] [ 7] • [0] [] [。