Моделирование искусственных нейронных сетей в системе MATLAB. Часть 3. Радиальные базисные сети. Донской Д.А - 55 стр.

UptoLike

ВУЗ: 

ПГУ | Пенза

Составители: 

Рубрика: 

55
Вектору
Тс поставим в соответствие матрицу связности T в виде
разреженной матрицы вида
T = ind2vec(Tc)
T =
(1,1) 1
(1,2) 1
(2,3) 1
(2,4) 1
(3,5) 1
(3,6) 1
(3,7) 1
которая определяет принадлежность первых двух векторов классу 1,
двух последующих – классу 2 и трех последних – классу 3. Полная
матрица
Т имеет вид
T = full(T)
T =
1 1 0 0 0 0 0
0 0 1 1 0 0 0
0 0 0 0 1 1 1
Массивы Р и Т задают обучающее множество, что позволяет вы-
полнить формирование сети, промоделировать ее, используя массив
входов
P, и удостовериться, что сеть правильно решает задачу клас-
сификации на элементах обучающего множества. В результате моде-
лирования сети формируется матрица связности, соответствующая
массиву векторов входа. Функция vec2ind предназначена для преоб-
разования матрицы связности в индексный вектор:
net = newpnn(P,T);
net.layers{1}.size % Число нейронов в сети PNN
ans =
7
Y = sim(net,P); Yc = vec2ind(Y)
Yc =
1 1 2 2 3 3 3
Результат подтверждает правильность решения задачи классифи-
кации. 
   Вектору Тс поставим в соответствие матрицу связности T в виде
разреженной матрицы вида
  T = ind2vec(Tc)
  T =
     (1,1)            1
     (1,2)            1
     (2,3)            1
     (2,4)            1
     (3,5)            1
     (3,6)            1
     (3,7)            1

которая определяет принадлежность первых двух векторов классу 1,
двух последующих – классу 2 и трех последних – классу 3. Полная
матрица Т имеет вид
  T = full(T)
  T =
       1     1         0      0        0    0       0
       0     0         1      1        0    0       0
       0     0         0      0        1    1       1

   Массивы Р и Т задают обучающее множество, что позволяет вы-
полнить формирование сети, промоделировать ее, используя массив
входов P, и удостовериться, что сеть правильно решает задачу клас-
сификации на элементах обучающего множества. В результате моде-
лирования сети формируется матрица связности, соответствующая
массиву векторов входа. Функция vec2ind предназначена для преоб-
разования матрицы связности в индексный вектор:
  net = newpnn(P,T);

  net.layers{1}.size % Число нейронов в сети PNN
  ans =
       7
  Y = sim(net,P); Yc = vec2ind(Y)
  Yc =
       1     1     2     2     3     3     3
   Результат подтверждает правильность решения задачи классифи-
кации.

                                  55

Страницы