Моделирование искусственных нейронных сетей в системе MATLAB. Часть 2. Линейные сети. Донской Д.А - 28 стр.

UptoLike

ВУЗ: 

ПГУ | Пенза

Составители: 

Рубрика: 

28
Последовательность значений входного сигнала {p(k)} поступает
на ЛЗ, состоящую из N–1 блока запаздывания; выход ЛЗ – N-мерный
вектор pd, составленный из значений входа в моменты времени k,
k–1,…, k–N–1.
Выход линейного нейронного слоя и фильтра в целом описывает-
ся следующим динамическим соотношением:
() ( ) ( )
∑
=
++−=+=
R
i
i
bikpwbka
1
1
1purelin Wp . (2)
Рассмотрим конкретный пример цифрового фильтра, представ-
ленный на рис. 2.
Рис. 2
Предположим, что входной сигнал принимает значения в диапа-
зоне от 0 до 10, и сформируем линейную сеть с одним входом и од-
ним выходом, используя функцию newlin:
clear, net = newlin([0,10],1);
Вход Линейный цифровой фильтр 
   Последовательность значений входного сигнала {p(k)} поступает
на ЛЗ, состоящую из N–1 блока запаздывания; выход ЛЗ – N-мерный
вектор pd, составленный из значений входа в моменты времени k,
k–1,…, k–N–1.
   Выход линейного нейронного слоя и фильтра в целом описывает-
ся следующим динамическим соотношением:
                                      R
          a(k ) = purelin(Wp + b ) = ∑ w1i p(k − i + 1) + b .   (2)
                                     i =1
   Рассмотрим конкретный пример цифрового фильтра, представ-
ленный на рис. 2.

                           Вход Линейный цифровой фильтр




                                  Рис. 2

   Предположим, что входной сигнал принимает значения в диапа-
зоне от 0 до 10, и сформируем линейную сеть с одним входом и од-
ним выходом, используя функцию newlin:

  clear, net = newlin([0,10],1);



                                    28

Страницы