Нейронные сети и нейроконтроллеры. Бураков М.В. - 80 стр.

UptoLike

Составители:

Рубрика:

Рис. 3.10. Исходная функция двух переменных

-2

-1

-2

-1

-0.5

0.5

Заметим, что в этом примере использовался алгоритм обучения

trainlm (Levenberg–Marquardt).

Проверим полученный результат:

>> A = sim(net1,P);

>> plot(x,y,P,A)

Графики функций полностью совпадают (рис. 3.9).

Пример 3.7. Рассмотрим аппроксимацию функции двух пере-

менных:

z=sin(x)cos(y).

C помощью стандартных функций MatLab получаем поверх-

ность, приведенную на рис. 3.10:

>> x = –2:0.25:2; y = –2:0.25:2;

>> z = cos(x)'*sin(y);

>> mesh(x,y,z)

Опишем обучающее множество для нейронной сети:

>> P = [x;y]; T = z;

При таком способе формирования обучающей выборки каждой

паре {x; y} соответствует столбец целевого множества. Поэтому ней-

ронная сеть должна иметь два входа и 17 нейронов на выходе:

>> net=newff([–2 2; –2 2], [25 17], {'tansig' 'purelin'},'trainlm');

>> net.trainParam.show = 50;

net.trainParam.lr = 0.05;

net.trainParam.epochs = 300;