Contents.m




 Synopsis:

  model = mpeceptron(data)

  model = mpeceptron(data,options)

  model = mpeceptron(data,options,init_model)



 Description:

  model = mperceptron(data) uses the Perceptron learning rule

   to train linear machine (multi-class linear classitfier).

   The multi-class problem is transformed to the single-class

   one using the Kessler's construction [DHS01][SH10].



  model = mperceptron(data,options) specifies stopping condition of

   the algorithm in structure options:

    .tmax [1x1]... maximal number of iterations.



  model = mperceptron(data,options,init_model) specifies initial 

   model which must contain:

    .W [dim x nclass] ... Normal vectors.

    .b [nclass x 1] ... Biases.



 Input:

  data [struct] Labeled training data:

   .X [dim x num_data] Training vectors.

   .y [1 x num_data] Labels (1,2,...,nclass).



  options [struct] 

   .tmax [1x1] Maximal number of iterations (default tmax=inf).

  

  init_model [struct] Initial model; must contain items .W, .b.



 Output:

  model [struct] Multi-class linear classifier:

   .W [dim x nclass] Normal vectors.

   .b [nclass x 1] Biases.



   .exitflag [1x1] 1 ... perceptron has converged.

                   0 ... number of iterations exceeded tmax.

   .t [1x1] Number of iterations.



 Example:

  data = load('pentagon');

  model = mperceptron( data );

  figure; ppatterns( data ); pboundary( model );



 See also 

  PERCEPTRON, LINCLASS, EKOZINEC.