ВУЗ:
Составители:
T=[20.13 24.44 30.78 31.45 28.03 31.23 23.88
22.6 21.81... 27.14 30.88 24.2 27.02 29.09 30.24 21.18
26.03 24.7 25.35... 26.19 29.98 28.66 31.1 28.27 23
30.54 29.23 27.45 23.02 21.61];
7.4 Создание НС
Выбор архитектуры сети для решения
конкретной задачи основывается на опыте
разработчика. Поэтому предложенная ниже
архитектура сети является одним вариантом из
множества возможных конфигураций (рис. 7.3).
Для решения поставленной задачи сформируем
четырехслойную полносвязную сеть,
включающую 2 нейрона во входном слое (по числу компонентов входного вектора) с передаточной
функцией logsig, 4 нейрона во втором слое с передаточной функцией logsig, 2 нейрона в третьем слое с
передаточной функцией purelin и одним нейроном в выходном слое (по числу компонентов выходно-
го
Рис. 7.3 Структура создаваемой нейронной сети:
X
1
, X
2
– входные параметры сети;
Y – выходной (рассчитанный) параметр сети
вектора) с передаточной функцией purelin. При этом в качестве обучающего алгоритма выбран алго-
ритм Levenberg-Marquardt (trainlm).
Указанная сеть формируется с помощью следующей процедуры, которую записываем в программу
NeT2:
net=newff(minmax(P),[2,4,2,1],{'logsig' 'logsig' 'purelin' …
'purelin'},'trainlm');
где первый аргумент – матрица минимальных и максимальных значений компонент входных векторов
вычисляется с помощью процедуры minmax. Результатом выполнения процедуры newff является объект
– нейронная сеть net заданной конфигурации.
Информацию о других функциях активации алгоритмов оптимизации можно получить, набрав ко-
манду help nnet.
7.5 Обучение сети
X
1
X
2
Y
1 слой
2 слой
3 слой
4 слой
Страницы
- « первая
- ‹ предыдущая
- …
- 57
- 58
- 59
- 60
- 61
- …
- следующая ›
- последняя »
