Моделирование искусственных нейронных сетей в системе MATLAB. Часть 3. Радиальные базисные сети. Донской Д.А - 31 стр.

   Здесь отмечены значения входов P , целевых выходов T, а также
результаты обработки нового вектора p. Количество используемых
нейронов в скрытом слое в данном случае равно шести, что соответ-
ствует значению функционала ошибки 0,01.
   Если сравнивать сети с прямой передачей сигнала и радиальные
базисные сети, то следует заметить, что при решении одних и тех же
задач одна из сетей имеет преимущество перед другой. Так, радиаль-
ные базисные сети с нулевой погрешностью имеют значительно
больше нейронов, чем сравнимая сеть с прямой передачей сигнала и
сигмоидальными функциями активации в скрытом слое. Это обу-
словлено тем, что сигмоидальные функции активации перекрывают
большие диапазоны значений входа, чем радиальные базисные
функции.
   С другой стороны, проектирование радиальной базисной сети тре-
бует значительно меньше времени, а при ограниченной точности
обучения может потребовать и меньшего количества используемых
нейронов.
           Порядок выполнения работы
   1. Для заданных преподавателем параметров радиальной базисной
нейронной сети (таблица) подготовить массивы входных векторов P      P, p
и целей T для радиальной базисной нейронной сети.
   2. Создать сеть в системе MATLAB с заданной среднеквадратич-
ной ошибкой GOAL = 0.01, определить количество нейронов в се-
ти и параметры сети.
   3. Разработать структурную схему радиальной базисной нейрон-
ной сети.
   4. Построить в системе MATLAB график, аналогичный представ-
ленному на рисунке для исходных данных.
   5. Исследовать, как изменяется количество нейронов в сети при
уменьшении и увеличении среднеквадратичной ошибки от исходно-
го значения в 10 и 100 раз.
   6. Распечатать текст программы и полученный график.
   7. Составить отчет, который должен содержать:



                               31