Нейронные сети и нейроконтроллеры. Бураков М.В. - 82 стр.

UptoLike

ВУЗ: 

СПб ГУАП | Санкт-Петербург

Составители: 

Рубрика: 

82
Опишем ИНС и запустим процесс обучения:
>> net = newff([0 1; 0 1; 0 1], [4 1], {'tansig', 'purelin'});
>> net = train(net, P,T)
Для оценки качества работы ИНС выполним команды:
>> out=sim(net,P);
>> t=1:100;
>> plot(t,y–out)
Результат приведен на рис. 3.12.
При нейросетевой аппроксимации функции по точкам может
возникать явление переобучения. В следующем примере ИНС по-
сле обучения воспроизводит влияние шумов, наложенных на обу-
чающую выборку.
Пример 3.9. Явление переобучения:
>> net = newff([–1 1],[30,1],{'tansig','purelin'}); % двухслойная
ИНС ПР
>> net.trainParam.epochs = 500;
>> p = [–1:0.05:1];  % область определения функции
>> t1 = sin(2*pi*p); % эталонная функция
>> t = sin(2*pi*p)+0.1*randn(size(p)); % функция с шумом
>> [net,tr] = train(net,p,t);
>> t2 = sim(net,p);
>> figure(1); plot(p,t,'+',p,t2,'–',p,t1,':')
>> legend('вход','выход','эталон'); grid on
Рис. 3.12. Ошибка выхода нейронной сети
0 10 20 30 40 50 60 70 80 90 100
-0.015
-0.01
-0.005
0
0.005
0.01
0.015

Страницы