Нейронные сети и нейроконтроллеры. Бураков М.В. - 163 стр.

UptoLike

ВУЗ: 

СПб ГУАП | Санкт-Петербург

Составители: 

Рубрика: 

163
A =
[3x1 double]
>> [Y,Pf,Af] = sim(net,{1 5},{},A);
Можно посмотреть, как менялся выход сети после каждой ите-
рации:
>> [Y{1} Y{2} Y{3} Y{4} Y{5}]
ans =
–0.6971 –0.8099 –0.9410 –1.0000 –1.0000
–0.9884 –1.0000 –1.0000 –1.0000 –1.0000
0.9884 1.0000 1.0000 1.0000 1.0000
Ошибка постепенно уменьшается, и сеть переходит в устойчивое
состояние.
Пример 6.5. Рассмотрим четыре аттрактора в многомерном про-
странстве:
>> vectors = [–1 1 –1 –1 1 –1 –1 1 –1; –1 –1 –1 1 1 1 –1 –1 –1; –1
–1 1 –1 1 –1 1 –1 –1; 1 –1 –1 –1 1 –1 –1 –1 1]';
>> net = newhop(vectors);
>> result = sim(net,4,[],vectors)
result =
–1 –1 –1 1
1 –1 –1 –1
–1 –1 1 –1
–1 1 –1 –1
1 1 1 1
–1 1 –1 –1
–1 –1 1 –1
1 –1 –1 –1
–1 –1 –1 1
>> test = {[0.1; 0.8; –1; –0.7; 0.5; –1; –0.9; 0.85; –1]};
>> result = sim(net,{1,5},{},test);
>> for i = 1:5,
disp(sprintf('Network state after %d iterations:',i));
disp(result{i});
end
Network state after 1 iterations:
–0.4930
0.8601
–1.0000
–1.0000
0.9661
–1.0000

Страницы