Программное обеспечение процессов и систем. Щеников Я.А. - 33 стр.

UptoLike

ВУЗ: 

СПб ГУАП | Санкт-Петербург

Составители: 

Рубрика: 

33
Задание для самостоятельной работы: доработайте модель и SF-
диаграмму таким образом, чтобы происходил переход в состояние green
при нажатии пешеходом кнопки.
Практическое занятие № 7
СОЗДАНИЕ НЕЙРОННЫХ СЕТЕЙ
Цель занятия: ознакомиться с процессом создания и моделирова-
ния систем на основе нейронных сетей.
7.1. Функции пакета Neural Networks Toolbox
Функции создания нейронных сетей
net=newff(PR, [S1 S2…SNl], {TF1 TF2…TFNl}, BTF, BLF, PF) –
функция создания многослойной НС с обучением по методу об-
ратного распространения ошибки:
PR – R × 2 – матрица минимальных и максимальных значений R
входных элементов;
Si – размер i-го скрытого слоя для Nl слоев;
TFi – функция активации нейронов i-го слоя, по умолчанию ‘tansig’;
BTF – функция обучения сети, по умолчанию ‘traingd’;
BLF – функция настройки весов и смещений, по умолчанию ‘learngdm’;
PF – функция ошибки, по умолчанию ‘mse’.
net=newrbe(P,T,goal,spread) – функция создания сети с ради-
альными базисными элементами c нулевой ошибкой на обучаю-
щей выборке:
P – R × Q –матрица Q входных векторов;
T – S × Q – матрица Q целевых векторов;
spread – отклонение (по умолчанию 1,0).
Функции обучения нейронных сетей
net=train(net,P,T) – функция обучения нейронной сети:
net – имя необученной сети;
P – матрица входных значений нейронной сети;
T – матрица выходных значений нейронной сети.
Метод обучения задается с помощью параметра net.trainFcn, на-
пример net.trainFcn = ‘trainbfg’.
Функции использования нейронных сетей
[Y]=sim(net,P) – функция, моделирующая работу нейронной
сети:

Страницы