% wf4.m
%
P = [1 -1.2];
T = [0.5 1];
[R,Q] = size(P);
[S,Q] = size(T);
[W,B] = rands(S,R);
% 畫誤差曲面圖
Wrange = -2:0.1:2;Brange = -2:0.1:2;      % 限定W和B值的坐標范圍
ES = errsurf(P,T,Wrange,Brange,'purelin');  % 求神經元的誤差平面
mesh(ES,[60,30]);                     %作三維網狀面，視角【60，30】 
title('Error Surface Graph')
disp('按任一鍵繼續')
pause

% 設計網絡權值并畫出投影圖
figure(2);                            %作第二個圖      
net = newlind(P,T);                    %求理想的權值和偏差
DW = net.iw{1,1};DB = net.b{1};        %賦理想的權值和偏差
[C,h] = contour(Wrange,Brange,ES);     %作等高線圖，ES為高
                                  %返回等高線矩陣C，列向量h是線或對象的句柄，
                                  %一條線一個句柄，這些被用作CLABEL的輸入， 
                                  %每個對象包含每個等高線的高度 
clabel(C,h)                         %標上高度值
colormap cool                      %桌面的顏色cool(青和洋紅)
axis('equal')
hold on
plot(DW,DB,'ob');
xlabel('W'),ylabel('B')
disp('按任一鍵繼續')
pause

LR = menu('Use a learning rate of; ',...     %選擇學習速率
        '1.7*maxlinr',...
        '2.5*maxlinr');
    disp('')
% 訓練權值 
disp_freq=1;
max_epoch=30;
err_goal=0.001;
if LR==1
   lp.lr=1.7*maxlinlr(P,'bias');
else     
   lp.lr=2.5*maxlinlr(P,'bias');
end
a = W*P+B;
A = purelin(a);
E=T-A;SSE=sumsqr(E);                 %求誤差矩陣元素的平方和 
errors = [SSE];
for epoch = 1: max_epoch                %訓練權值
    if SSE<err_goal
        epoch = epoch-1;
        break
    end
LW = W;LB = B;
dw = learnwh([],P,[],[],[],[],E,[],[],[],lp,[]);
db=learnwh(B,ones(1,Q),[],[],[],[],E,[],[],[],lp,[]);
W = W+dw;B = B+db;
a = W*P+B;
A = purelin(a);
E=T-A;SSE=sumsqr(E);
errors=[errors SSE];                     %把誤差變為一個行向量
if  rem(epoch,disp_freq)==0
    plot([LW W],[LB B],'r-');             %顯示權值和偏差向量訓練圖  
    drawnow                          %刷新
end
end
hold off
figure(3);
m=W*P+B;
a=purelin(m);
plot(errors);                            %作每次訓練的誤差圖