Моделирование искусственных нейронных сетей в системе MATLAB. Часть 1. Введение. Донской Д.А - 25 стр.

        1


   Используя функцию настройки параметров learnp, найдем тре-
буемое изменение весов:

  dw = learnp(w,p,[ ],[ ],[ ],[ ],e,[ ],[ ],[ ])
  dw =
    1     2


  Тогда новый вектор весов примет вид

  w = w + dw
  w =
      2.0000       1.2000


   Описанные выше правило и алгоритм настройки (обучения) пер-
септрона гарантируют сходимость за конечное число шагов для всех
задач, которые могут быть решены с использованием персептрона.
Это в первую очередь задачи классификации векторов, которые от-
носятся к классу линейно отделимых, когда все пространство входов
можно разделить на две области некоторой прямой линией, в много-
мерном случае – гиперплоскостью.
            Порядок выполнения работы
   1. Для заданного преподавателем варианта задания (таблица) вы-
полнить ручной расчет настройки весов и смещений персептронной
нейронной сети.
   2. Разработать алгоритм создания и моделирования персептрон-
ной нейронной сети.
   3. Реализовать разработанный алгоритм в системе MATLAB.
   4. Определить параметры созданной нейронной сети (веса и сме-
щение) и проверить правильность работы сети для последовательно-
сти входных векторов (не менее 5).



                               25