预测数值时，误差、权值、偏差的变化情况
%误差、权值、偏差的变化情况
P=[-3,2];
T=[0.4,0.8];
max_epoch=100; %赋最大训练次数
err1=[];
wv=[];
bv=[]; %定义矩阵
lr=4;
W1=-4*rand(1); %赋权值和偏差的初值
b1=-4*rand(1);
wv1=W1;
bv1=b1;
for i=1:max_epoch
A1 = logsig(W1*P+b1*ones(1,2)); %计算输出
E = T-A1; %求误差
D1 = A1.*(1-A1).*E; %矩阵对应元素相乘
dW1 = D1*P'*lr; %求权值增量
db1 = D1*ones(2,1)*lr; %求偏差增量
newWV = W1(1,1) + dW1(1,1); %新的权值
W1(1,1) = newWV;
wv =[wv newWV];
newBV = b1(1) + db1(1); %新的偏差
b1(1) = newBV;
bv =[bv newBV];
SSE = sumsqr(E); %求误差平方和
err1=[err1 SSE];
if (SSE<1e-3)
break;
end
end
Wrange=-4:0.2:4;
Brange=-4:0.2:4; %W值的行向量、B值的行向量
ES=errsurf(P,T,Wrange,Brange,'logsig'); %求单神经元的误差平面（只用在单神经元中）
[C,h] =contour(Wrange,Brange,ES); %作等高线图，ES为高
%返回等高线矩阵C，列向量h是线或对象的句柄，
%一条线一个句柄，这些被用作CLABEL的输入， %每个对象包含每个等高线的高度
clabel(C,h) %标上高度值
colormap cool %背景的颜色cool
axis('equal')
% hold on
%plot(w1,b1,'r*')
figure(2);
title('权值、偏差变化情况');
hold on;
plot(wv1,bv1,'rv')
plot(wv,bv) %作矩阵变化曲线,此处主要看变化方向
hold off;
% plot(wv,bv,'g*');
% hold off
figure(3)
plot(err1) %作误差变化曲线
