NNTOOL
神经网络学习函数
learnp函数[默认]
[dW,LS] = leanrp(W,P,Z,N,A,T,E,gW,gA,D,LP,LS)
dW为权值变化矩阵;
LS为当前学习状态;
W为SxR的权值矩阵(可省略);
P为RxQ的输入向量矩阵；
Z为SxQ的输入层的权值矩阵(可省略)；
N为SxQ的网络输入矩阵(可省略)；
E为误差矩阵(E=T-Y)；
T表示网络的目标向量(可省略)；
A表示网络的实际输出向量(可省略)；
gW为SxR的与性能相关的权值梯度矩阵(可省略)；
gA为SxQ的与性能相关的输出梯度值矩阵(可省略)；
D为SxS的神经元距离矩阵(可省略)；
LP为学习参数(可省略)；
LS学习函数声明(可省略).
利用该函数学习一个感知器网络,使其完成"或"功能
learnpn函数
输入向量数值幅度变化较大时,采用learnpn代替learnp函数,以加快计算速度
神经网络传递函数
hardlim函数[默认]
A = hardlim(N,FP)
在给定色网络的输入向量矩阵N是,返回该层的输出向量矩阵A,当N中的元素>=0,返回1,否0.
hardlims函数
输出的值为-1和1