Нейронные сети и нейроконтроллеры. Бураков М.В. - 201 стр.

UptoLike

ВУЗ: 

СПб ГУАП | Санкт-Петербург

Составители: 

Рубрика: 

201
Обучение ИНС происходит по команде
>> net=train(net,p);
Проверим получившиеся значения весов:
>> ves=net.IW{1,1}
ves =
0.0000 0.0000 0.5135 1.0000
1.0000 0.4789 0.0000 0.0000
Значения оказались близкими к ожидаемым для этого примера.
Проверим работу сети:
>> p=[0 0 0 1]';
>> Y=sim(net,p)
Y =
(1,1) 1
>> p=[1 0 0 0]';
>> Y=sim(net,p)
Y =
(2,1) 1
Пример 7.3. Рассмотрим задачу кластеризации точек на плоско-
сти. Разместим случайным образом 60 точек на плоскости с помо-
щью команд:
>> A = [rand(1,20) – 0.7; rand(1,20) + 0.2];
>> B = [rand(1,20) + 0.7; rand(1,20) + 0.7];
>> C = [rand(1,20) + 0.2; rand(1,20) – 0.7];
>> plot(A(1,:),A(2,:),'bs')
>> hold on
>> plot(B(1,:),B(2,:),'r+')
>> plot(C(1,:),C(2,:),'go')
>> grid on
>> P = [A, B, C]
>> ncl = 3;
>> MN=[min(X(1,:)) max(X(1,:)); min(X(:,2)) max(X(:,2)) ]
>> net = newc(MN, ncl, 0.1, 0.0005);
>> net.trainParam.epochs=49;
>> net.trainParam.show=7;
>> net = train(net,P);
>> w = net.IW{1};
>> plot(w(:,1),w(:,2),'kp');
Результат обучения приведен на рис. 7.8, где звездочками обо-
значены центры трех кластеров.

Страницы