Моделирование искусственных нейронных сетей в системе MATLAB. Часть 2. Линейные сети. Донской Д.А - 16 стр.

   С помощью демонстрационной программы demolin7 можно ис-
следовать устойчивость процедуры настройки в зависимости от па-
раметра скорости обучения.


                      Процедура обучения
   Для обучения линейной нейронной сети может быть применена
типовая процедура обучения с помощью функции train. Эта функция
для каждого вектора входа выполняет настройку весов и смещений,
используя функцию learnp. В результате сеть будет настраиваться по
сумме всех коррекций.
   Каждый пересчет для набора входных векторов называется эпо-
хой. Это и отличает процедуру обучения от процедуры адаптации
adapt, когда настройка параметров реализуется при представлении
каждого отдельного вектора входа.
   Затем процедура train моделирует настроенную сеть для имеюще-
гося набора векторов, сравнивает результаты с набором целевых век-
торов и вычисляет среднеквадратичную ошибку. Как только значе-
ние ошибки становится меньше заданного или исчерпано предельное
число эпох, обучение прекращается.
   Обратимся к тому же примеру, который использовался при рас-
смотрении процедуры адаптации, и выполним процедуру обучения:

  clear, P = [1 -1.2];% Вектор входов
  T= [0.5, 1]; % Вектор целей

  % Максимальное значение параметра обучения

  maxlr = 0.40*maxlinlr(P,'bias');

  % Создание линейной сети

  net = newlin([-2,2],1,[0],maxlr);

  % Расчет функции критерия качества
  w_range=-1:0.2:1; b_range=-1:0.2:1;




                               16