<0 08w1<w2<-w1 w1/3<w3<-W1 W3<-w? 一组可能解为: v 2 0 01 而当采用感知器神经网络来对此题进行求解时,意味着采用具有阈值激活函 数的神经网络,按照问题的要求设计网络的模型结构,通过训练网络权值W Iw,w2]和b,并根据学习算法和训练过程进行程序编程,然后运行程序,让 网络自行训练其权矢量,直至达到不等式组的要求。 鉴于输入和输出目标矢量已由问题本身确定,所以所需实现其分类功能的感 知器网络结构的输人节点r,以及输出节点数,已被问题所确定而不能任意设置。 根据题意,网络结构图如图4.5所示。 q 12 q=1,2,3,4 图45网络结构图 由此可见,对于单层网络,网络的输入神经元数r和输出神经元数s分别由 输入矢量P和目标矢量T唯一确定。网络的权矩阵的维数为:Wsxr,B3x1权值总 数为s×r个,偏差个数为s个。 在确定了网络结构并设置了最大循环次数和赋予权值初始值后,设计者可方 便地利用 MATLAB,根据题意以及感知器的学习、训练过程来编写自己的程序。 下面是对例4.1所编写的网络权值训练用的 MATLAB程序8 一组可能解为： 而当采用感知器神经网络来对此题进行求解时，意味着采用具有阈值激活函 数的神经网络，按照问题的要求设计网络的模型结构，通过训练网络权值 W＝ [w11，w12]和 b，并根据学习算法和训练过程进行程序编程，然后运行程序，让 网络自行训练其权矢量，直至达到不等式组的要求。 鉴于输入和输出目标矢量已由问题本身确定，所以所需实现其分类功能的感 知器网络结构的输人节点 r，以及输出节点数，已被问题所确定而不能任意设置。 根据题意，网络结构图如图 4．5 所示。 图 4.5 网络结构图 由此可见，对于单层网络，网络的输入神经元数 r 和输出神经元数 s 分别由 输入矢量 P 和目标矢量 T 唯一确定。网络的权矩阵的维数为：Ws×r，Bs×1 权值总 数为 s×r 个，偏差个数为 s 个。 在确定了网络结构并设置了最大循环次数和赋予权值初始值后，设计者可方 便地利用 MATLAB，根据题意以及感知器的学习、训练过程来编写自己的程序。 下面是对[例 4．1]所编写的网络权值训练用的 MATLAB 程序：