Нейронные сети и нейроконтроллеры. Бураков М.В. - 153 стр.

153

Y =

[2.6513e–004] [4.0384e–004] [0.2860] [0.9994] [0.0366]

[4.4019e–004] [3.0681e–005] [4.4659e–004] [0.7891] [0.9995]

[0.0356] [9.9000e–004] [0.8228] [0.0218] [4.0585e–004] [2.9824e–

005] [4.4890e–004] [7.5032e–005] [4.7443e–004] [5.7692e–005]

Степень соответствия достаточно высокая.

Проверка для случайной последовательности:

>> P = round (rand (1, 20))

P =

[0.0216] [4.0568e–004] [2.9802e–005] [3.5165e–004] [0.3219]

[0.9994] [0.9993] [0.9994]

Пример 6.2. Использование сети Элмана для детектирования ам-

плитуды гармонического сигнала.

Определяются две синусоиды, амплитуды которых различаются

в два раза:

>> p1 = sin(1:20);

>> p2 = sin(1:20)*2;

Целевые векторы заполняются известным значением амплиту-

ды каждой синусоиды:

Формируются массивы ячеек:

>> Pseq = con2seq(p);

>> Tseq = con2seq(t);

Создается и обучается сеть Элмана.

Проверка:

>> a = sim(net,Pseq);

>> a1 = seq2con(a);