Составители:
Рубрика:
48
Выражение (2.3) показывает, что величина коррекции веса про-
порциональна соответствующей компоненте входного сигнала и
ошибке выхода.
На рис. 2.6 приведено описание структуры персептрона, исполь-
зуемое в MatLab.
Создание персептрона происходит по команде
>> net = newp(PR, S)
Здесь PR – матрица R×2, описывающая минимальное и макси-
мальное значения по каждому из R входов; S – число нейронов.
Можно использовать более подробное описание:
>> net = newp(PR, S, tf, lf)
где tf – передаточная функция из списка {hardlim, hardlims}, при-
чем по умолчанию задается hardlim; lf – обучающая функция из
списка {learnp, learnpn}, по умолчанию – learnp.
При создании персептрона матрица весов и вектор смещений ини-
циализируются нулями с помощью функций initzero. Можно также
проинициализировать значения весов и смещений командами
>> net.IW{1,1} = [–1 1];
>> net.b{1} = [1]
Обучение персептрона производится с помощью функции адап-
тации adapt, которая корректирует веса и смещения по результа-
там обработки каждой пары входных и выходных значений (обуче-
ние с учителем):
>> adapt(net,P,T)
где P – входные векторы; T – целевые значения.
Рис. 2.6. Графическое изображение персептрона
Input 1
Layer 1
p
R × 1
R
1
IW
1,1
S
1
× R
b
1
S
1
× 1
n
1
a
1
S
1
a
1
= hardlim (IW
1,1
p
1
+ b
1
)
S
1
× 1
S
1
× 1
Страницы
- « первая
- ‹ предыдущая
- …
- 46
- 47
- 48
- 49
- 50
- …
- следующая ›
- последняя »
