Искусственные нейронные сети. Сивохин А.В - 100 стр.

дый вектор входа ставится в соответствие одному из К классов. В
результате образуется матрица связанности T размера K*Q, состоя-
щая из нулей и единиц, строки которой соответствуют классам при-
надлежности, а столбцы – векторам входа. Таким образом, если эле-
мент Т(i,j) матрицы связанности равен единице, то это означает,
что j-й входной вектор принадлежит к классу i.
   Весовая матрица входного слоя IW формируется как и для ради-
альной базисной сети общего вида с использованием векторов входа
из обучающего множества.
   Весовая матрица второго слоя соответствует матрице связан-
ности Т, которая строится с помощью функции ind2vec.

                  Практические задания
   Задание 1. Создать вероятностную нейронную сеть для обучающей
последовательности, состоящей из вектора входа Р=[1 2 3 4 5 6 7] и
индекса классов Тс=[1 2 3 2 2 3 1], проанализировать её структурную
схему и параметры вычислительной модели, выполнить моделирова-
ние сети и оценить правильность классификации, выполнив следую-
щие команды:
   Р=[1 2 3 4 5 6 7];        % – значения входа;
   Tc=[1 2 3 2 2 3 1];       % – индексы классов (3);
   T=ind2uec(Tc);            % – матрица связанности (целей);
   net=newpnn(P,T);          % – создание сети PNN;
   gensim(net);              % – структура сети;
   net;                      % – параметры сети;
   Y=sim(net,P);             % – моделирование сети;
   Yc=iecc2ind(Y);           % – классы входных векторов;
                             % 1 2 3 2 2 3 1.

   Задание 2. Создать вероятностную нейронную сеть для определе-
ния принадлежности двухэлементных входных векторов к одному из
трёх классов на основании обучающей последовательности 7 входов
Р[0 0; 1 1; 0 3; 1 4; 3 1; 4 1; 4 3] и индекса классов Тс=[1 1 2 2 3 3 3],



                                   100