%%

%用神经网络解决异或问题

clear

clc

close

ms=4;%设置4个样本

a=[0 0;0 1;1 0;1 1];%设置输入向量

y=[0,1,1,0];%设置输出向量

n=2;%输入量的个数

m=3;%隐层量的个数

k=1;%输出层的个数

w=rand(n,m);%为输入层到隐层的权值赋初值

v=rand(m,k);%为隐层到输出层的权值赋权值

yyuzhi=rand(1,m);%为输入层到隐层的阈值赋初值

scyuzhi=rand(1,1);%为隐层到输出层的阈值赋权值

maxcount=10000;%设置最大的计数

precision=0.0001;%设置精度

speed=0.2;%设置训练率

count=1;%设置计数器的初始值

while(count<=maxcount)

    cc=1;%cc为第几个样本

    %样本数少于ms=4时执行

    while(cc<=ms)

    %计算第cc个样本的输出层的期望输出

        for l=1:k

            o(l)=y(cc);

        end

    %获得第cc个样本的输入的向量

        for i=1:n

            x(i)=a(cc,i);

        end

    %%

    %计算隐层的输入输出

    %b（j）为隐层的输出，转移函数为logsig函数

        for j=1:m

            s=0;

            for i=1:n

                s=s+w(i,j)*x(i);

            end

            s=s-yyuzhi(j);

            b(j)=1/(1+(exp(-s)));

        end

    %%

    %计算输出层的输入输出

    %b（j）为输出层的输入，c为输出层的输出，转移函数为logsig函数

    %for t=1:k 此处k为1，所以循环不写

        for t=1:k

            ll=0;

            for j=1:m

                ll=ll+v(j,t)*b(j);

            end

            ll=ll-scyuzhi(t);

        end

    %c(t)=l/(1+exp(-l))引文k为1，所以直接用下式

%     c=l/(1+exp(-ll));

    if ll<0

        c=0;

    else

        c=1;

    end

    %%

    %计算误差

    errort=(1/2)*((o(l)-c)^2);

    errortt(cc)=errort;

    %计算输出层各单元的一般化误差

    scyiban=(o(l)-c)*c*(1-c);

    %计算隐层的一般化误差

    for j=1:m

        e(j)=scyiban*v(j)*b(j)*(1-b(j));

    end

    %修正隐层到输出层连接权值和输出层各阈值

    for j=1:m

        v(j)=v(j)+speed*scyiban*b(j);

    end

    scyuzhi=scyuzhi-speed*scyiban;

    %修正输入层到中间层的权值和阈值

    for i=1:n

        for j=1:m

            w(i,j)=w(i,j)+speed*e(j)*x(i);

        end

    end

    for j=1:m

        yyuzhi(j)=yyuzhi(j)-speed*e(j);

    end

    cc=cc+1;

    end

    %%

    %计算count一次后的误差

        tmp=0;

    for i=1:ms

        tmp=tmp+errortt(i)*errortt(i);

    end

    tmp=tmp/ms;

    error(count)=sqrt(tmp);

    %判断是否小于误差精度

    if(error(count)<precision)

        break;

    end

    count=count+1;

end

errortt

count

p=1:count-1;

plot(p,error(p))

%%用matlab工具箱实现异或

p=[0 0 1 1;0 1 0 1];%p为输入

t=[0 1 1 0];%t为理想输出

%隐含层有2个神经元，输出层有1个神经元，隐含层的传输函数为logsig函数

%输出层的传输函数为purelin函数

net=newff(minmax(p),[2,1],{'logsig','purelin'},'trainlm');

net.trainParam.epochs=1000;%训练的最大次数为1000

net.trainParam.goal=0.0001;%训练的精度为0.0001

LP.lr=0.1;%训练的学习率为0.1

net.trainParam.show=20;%显示训练的迭代过程

net=train(net,p,t);%开始训练

out=sim(net,p);%用sim函数仿真验证