Моделирование искусственных нейронных сетей в системе MATLAB. Часть 3. Радиальные базисные сети. Донской Д.А - 44 стр.

UptoLike

ВУЗ: 

ПГУ | Пенза

Составители: 

Рубрика: 

44
.38.238)purelin(2.)purelin(
22
=== na
Промоделируем построенную сеть сначала для одного входа, а за-
тем для последовательности входов из интервала [4; 7]:
p = 4.5; v = sim(net,p);
p1 = 4:0.1:7; v1 = sim(net,p1);
figure(1), clf
plot(P,T,'*g',p,v,'or',p1,v1,'-
b','MarkerSize',8,'LineWidth',2)
grid on
Результат показан на рис. 2.
Рис. 2
Как видно из рис. 2, аппроксимирующая функция может значи-
тельно отличаться от значений, соответствующих обучающей после-
довательности.
Т
Р
   a 2 = purelin(n 2 ) = purelin(2.38) = 2.38.
   Промоделируем построенную сеть сначала для одного входа, а за-
тем для последовательности входов из интервала [4; 7]:
  p = 4.5; v = sim(net,p);

  p1 = 4:0.1:7; v1 = sim(net,p1);

  figure(1), clf

  plot(P,T,'*g',p,v,'or',p1,v1,'-

  b','MarkerSize',8,'LineWidth',2)

  grid on

  Результат показан на рис. 2.

  Т




                                                      Р
                                 Рис. 2

   Как видно из рис. 2, аппроксимирующая функция может значи-
тельно отличаться от значений, соответствующих обучающей после-
довательности.


                                  44

Страницы