Моделирование искусственных нейронных сетей в системе MATLAB. Часть 2. Линейные сети. Донской Д.А - 25 стр.

   Выполним моделирование созданной сети с векторами входа из
обучающего множества и вычислим ошибки сети:

  A = sim(net, p)

  err = t - sim(net,p)

  A =
      0.0282       0.9672      0.2741      0.4320
  err =
     -0.0282       0.0328     -0.2741      0.56800


   Заметим, что погрешности сети весьма значительны. Попытка за-
дать большую точность в данном случае не приводит к цели, по-
скольку возможности линейной сети ограничены. Демонстрацион-
ный пример demolin4 иллюстрирует проблему линейной зависимости
векторов, которая свойственна и этому случаю.
           Порядок выполнения работы
    1. Для заданного преподавателем варианта задания (таблица) по-
строить линейную нейронную сеть в системе MATLAB и с ее помо-
щью решить задачу классификации линейно разделимых векторов с
точностью 0,01 и максимальным числом эпох 200.
    2. Выполнить моделирование созданной линейной сети с векто-
рами входа из обучающего множества и вычислить ошибки сети.
    3. Построить персептронную нейронную сеть в системе MATLAB
для того же обучающего множества и с ее помощью решить задачу
классификации линейно разделимых векторов.
    4. Выполнить моделирование созданной персептронной сети с
векторами входа из обучающего множества и вычислить ошибки се-
ти.
    5. Сравнить результаты моделирования линейной и персептрон-
ной линейными сетями.



                               25