Моделирование искусственных нейронных сетей в системе MATLAB. Часть 2. Линейные сети. Донской Д.А - 24 стр.

UptoLike

ВУЗ: 

ПГУ | Пенза

Составители: 

Рубрика: 

24
clear, p = [2 1 -2 -1;2 -2 2 1]; t = [0 1 0 1];
net = newlin( [-2 2; -2 2],1);
% Инициализация линейной сети с двумя входами и одним выходом
net.trainParam.goal= 0.1;
[net, tr] = train(net,p,t);
TRAINB, Epoch 0/100, MSE 0.5/0.1.
TRAINB, Epoch 25/100, MSE 0.181122/0.1.
TRAINB, Epoch 50/100, MSE 0.111233/0.1.
TRAINB, Epoch 64/100, MSE 0.0999066/0.1.
TRAINB, Performance goal met.
Пороговое значение функции качества достигается за 64 цикла
обучения, а соответствующие параметры сети принимают значения:
weights = net.iw{1,1}, bias = net.b(1)
weights =
-0.0615 -0.2194
bias =
[0.5899]
Вход Линейный нейрон 
               Вход     Линейный нейрон




  clear, p = [2 1 -2 -1;2 -2 2 1]; t = [0 1 0 1];

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

  % Инициализация линейной сети с двумя входами и одним выходом

  net.trainParam.goal= 0.1;

  [net, tr] = train(net,p,t);

  TRAINB,   Epoch 0/100, MSE 0.5/0.1.
  TRAINB,   Epoch 25/100, MSE 0.181122/0.1.
  TRAINB,   Epoch 50/100, MSE 0.111233/0.1.
  TRAINB,   Epoch 64/100, MSE 0.0999066/0.1.
  TRAINB,   Performance goal met.


   Пороговое значение функции качества достигается за 64 цикла
обучения, а соответствующие параметры сети принимают значения:

  weights = net.iw{1,1}, bias = net.b(1)

  weights =
     -0.0615   -0.2194
  bias =
      [0.5899]



                                24

Страницы