Моделирование искусственных нейронных сетей в системе MATLAB. Часть 2. Линейные сети. Донской Д.А - 17 стр.

UptoLike

ВУЗ: 

ПГУ | Пенза

Составители: 

Рубрика: 

17
ES = errsurf(P,T, w_range, b_range, 'purelin');
% Построение поверхности функции критерия качества
surfc(w_range, b_range, ES) %
На рисунке, вид а, построена поверхность функции критерия ка-
чества в пространстве параметров сети. В процессе обучения траек-
тория обучения будет перемещаться из начальной точки в точку ми-
нимума критерия качества.
а б
Выполним расчет и построим траекторию обучения линейной се-
ти для заданных начальных значений веса и смещения:
% Расчет траектории обучения
x = zeros(1,50); y = zeros(1,50);
net.IW{1}=1; net.b{1}= -1;
x(1) = net.IW{1}; y(1) = net.b{1};
net.trainParam.goal = 0.001;
net.trainParam.epochs = 1;
ES
b
w
b
w
  ES = errsurf(P,T, w_range, b_range, 'purelin');

  % Построение поверхности функции критерия качества

  surfc(w_range, b_range, ES) %

   На рисунке, вид а, построена поверхность функции критерия ка-
чества в пространстве параметров сети. В процессе обучения траек-
тория обучения будет перемещаться из начальной точки в точку ми-
нимума критерия качества.
                                 b
ES




                            w
         b
                                                            w
              а                                    б

   Выполним расчет и построим траекторию обучения линейной се-
ти для заданных начальных значений веса и смещения:

  % Расчет траектории обучения

  x = zeros(1,50); y = zeros(1,50);

  net.IW{1}=1; net.b{1}= -1;

  x(1) = net.IW{1}; y(1) = net.b{1};

  net.trainParam.goal = 0.001;

  net.trainParam.epochs = 1;


                                     17

Страницы