clc;
clear?all;
close?all;
%生成異或數據
Data1=0+0.1*rand（252）;
Data1X=Data1（:1）;
Data1Y=Data1（:2）;

Data2=1+0.1*rand（252）;
Data2X=Data2（:1）;
Data2Y=Data2（:2）;

Data3=0+0.1*rand（252）;
Data3X=1+Data3（:1）;
Data3Y=Data3（:2）;
Data3=[Data3XData3Y];

Data4=0+0.1*rand（252）;
Data4X=0+Data4（:1）;
Data4Y=1+Data4（:2）;
Data4=[Data4XData4Y];

hold?on;
scatter（Data1XData1Y‘r‘）;
scatter（Data2XData2Y‘r‘）;
scatter（Data3XData3Y‘g*‘）;
scatter（Data4XData4Y‘g*‘）;

Label1=repmat（[10]501）;
Label2=repmat（[01]501）;
Data1=[Data1;Data2];
Data1=[Data1Label1];%加上標簽
Data3=[Data3;Data4];
Data3=[Data3Label2];%加上標簽

%訓練數目
num=40;
idx=randperm（num）;%隨機打亂一個數列
Data1=Data1（idx:）;%打亂第一類樣本%%%%
Data3=Data3（idx:）;%打亂第一類樣本%%%%

idx=randperm（num/2）;

Data1_Train=Data1（idx:）;
Data1_Test=Data1;
Data1_Test（idx:）=[];
Data2_Train=Data3（idx:）;
Data2_Test=Data3;
Data2_Test（idx:）=[];
%再次打亂
Data_Train=[Data1_Train;Data2_Train];
Data_Test=[Data1_Test;Data2_Test];
idx=randperm（40）;
Train=Data_Train（idx:）‘;
Test=Data_Test（idx:）‘;
Train_Num=size（Train2）;
Test_Num=size（Test2）;

%BP網絡初始化訓練
Input_Num=2;
Hidden_Num=4;
Output_Num=2;
V=rand（Input_NumHidden_Num）;
Gamma=rand（Hidden_Num1）;
W=rand（Hidden_NumOutput_Num）;
Theta=rand（Output_Num1）;
step=1;
Iteration_Num=500;
%樣本參數
Feature_Start=1;
Feature_End=2;
Label_Start=3;
%正確率檢測
error_count=0;
Monte_Carlo=100;

%開始訓練
for?gradient_descent_num=1:Iteration_Num;


for?k=1:Train_Num
%前向傳播
Alpha=V‘*Train（Feature_Start:Feature_Endk）-Gamma;
b=1./（1+exp（-Alpha））;
Beta=W‘*b-Theta;
y=1./（1+exp（-Beta））;
g=zeros（Output_Num1）;
l=Label_Start;%標簽開始的維度在6
for?j=1:Output_Num
????
????g（j1）=y（j1）*（1-y（j1））*（Train（lk）-y（j1））;%差點搞錯了，注意Iris_Train（lk）
????l=l+1;
end
%后向傳播
u=W*g;
Delte_Theta=-step*g;
Theta=Theta+Delte_Theta;%更新
Delte_W=-b*Delte_Theta‘;
for?h=1:Hidden_Num
????Delte_Gamma（h:）=-step*b（h:）*（1-b（h:））*u（h:）;
end
Delte_V=-Train（Feature_Start:Feature_Endk）*Delte_Gamma‘;%需要修改訓練集及樣本屬性所在維數
Gamma=Gamma+Delte_Gamma;%更新
V=V+Delte_V;%更新
W=W+Delte_W;%更新
end
end;


for?j=1:Monte_Carlo

for?i=1:Test_Num%需要修改待測試訓練集
????Alpha=V‘*Test（Feature_Start:Feature_Endi）-Gamma;%需要修改待測試訓練集
????b=1./（1+exp（-Alpha））;
????Beta=W‘*b-Theta;
????y=1./（1+exp（-Beta））;
????%[ValueIndex]=min（y）;
????[ValueIndex]=max（y）;
????y（Index1）=1;%取那個大的數置為1
????
????if（Test（Index+2i）==y（Index1））%仔細考慮判別條件
????????error_count=error_count;
????else
????????error_count=error_count+1;
????end
????????
end;

end
error_Rate=error_count/（Monte_Carlo*（Test_Num））;%需要修改測試樣本集合
correct_Rate=1-error_Rate
V
W
Gamma‘
Theta‘

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----

?????文件???????2829??2018-04-23?21:05??感知器算法\MyXOR.m

?????文件???????1122??2018-05-18?22:34??感知器算法\testbp.m

?????目錄??????????0??2018-09-12?09:00??感知器算法

-----------?---------??----------?-----??----

?????????????????3951????????????????????3