Нейронные сети и нейроконтроллеры. Бураков М.В. - 77 стр.

UptoLike

Составители:

Рубрика:

>> plot(time,e); grid on; hold on;

>> net = newff([min(e) max(e)],[10 1],{'tansig','purelin'});

>> net.trainParam.epochs = 1000;

>> net = train(net,e,t);

>> u=sim(net,e); plot(time,u,'+'); legend('ошибка','управление');

xlabel('t');

Работу релейного регулятора иллюстрирует рис. 3.6.

3.4. Аппроксимация функций

В задачах аппроксимации функций требуется восстановить функ-

циональную зависимость на основании ограниченного набора извест-

ных точек. Эту проблему иллюстрируют следующие примеры.

Пример 3.5. Аппроксимация функций:

>> P = [0 1 2 3 4 5 6 7 8 9 10]; 

>> T = [0 1 2 3 4 3 2 1 2 3 4]; 

>> net = newff([0 10],[5 1],{'tansig', 'purelin'}); 

>> net.trainParam.goal=0.01;

>> net.trainParam.epochs = 50;

>> net = train(net,P,T);

>> X = linspace(0,10);

>> Y = sim(net,X);

Рис. 3.6. Нейросетевой релейный регулятор

0 0.5 1 1.5 2 2.5 3

-1.5

-1

-0.5

0.5

1.5

ошибка

управление