实验3--感知器神经网络的实现

实验3 感知器神经网络的实现

一、实验目的:

1. 理解单层感知器的工作原理

2. 通过调节算法参数了解参数的变化对于感知器训练的影响

3. 了解单层感知器局限性

二、实验内容:

1. 使用Matlab编程实现单层感知器

2. 调节学习率η，观察对于不同学习率算法的收敛速度（迭代次数）

3. 用单层感知器处理非线性分类问题，观察结果

三、实验原理：

单层感知器：只有一层处理单元的感知器：

感知器的学习算法

采用感知器学习规则，训练步骤如下：

Step 1:

对各权值w0j(0), w2j(0), …, w nj(0), j=1, 2, …, m (m为计算层的节点数)赋予较小的非

零随机数，设置p=1；

Step 2:

输入样本对，其中

为期望的输出向量（教师信号），上标p表示样本对的模式序号，设样本总数为P，则p = 1, 2, …, P；

Step 3:

计算各节点的实际输出

Step 4:

调整各节点对应的权值，

η为学习率，用于控制调整速度，η值太大会影响训练的稳定性，太小则使训练的收敛速度变慢，一般取0<η≤1；

Step 5:

p=p+1,如果p ≤P,返回到Step2 ，否则转到Step 6 ；

Step 6:

如果感知器对所有样本的实际输出与期望输出相等，则停止;否则设置p=1，返回Step2。

实验要求：

用MATLAB/C/C++,实现上述算法

实验实例，在下面实例中任选一种进行实验。

一、用单层感知器实现“与”运算

“与”运算真值表：

x1 x2 y

0 0 0

0 1 0

1 0 0

1 1 1

二、用多层感知器实现“异或”运算

“异或”运算真值表：

x1 x2 y

0 0 0

0 1 1

1 0 1

1 1 0