Искусственные нейронные сети. Сивохин А.В - 101 стр.

значения в котором определяют класс соответствующего вектора
входа, выполнив команды:

  Р=[0 0; 1 1; 0 3; 1 4; 3 1; 4 1; 4 3 ]’; % – 7 векторов.
  Тс=[1 1        2 2 3 3 3 ]; % – классы.
  T= ind2vec(Tc);       % – формирование разряженной матрицы
                        % связанности;
  T= full (T);          % – преобразование к полной матрице;
  net= newpnn;          % – создание вероятностной сети;
  net.layers {1}.size % – число нейронов 1-го слоя;
  net.layers {2}.size % – число нейронов 2-го слоя;
  Y= sim (net, P);      % – моделирование сети;
  Yc= vec2ind(Y); % – формирование индекса классов;
  Pt= [1 3; 0 1; 5 2]’; % – векторы для тестирования;
  A= sim (net, Pt); % – тестирование сети;
  Ac= vec2ind (A); % – формирование индекса классов.

   Задание 3. Проанализировать структурные схемы, значения пара-
метров вычислительных моделей и результаты моделирования ней-
ронных сетей, используемых в следующих демонстрационных при-
мерах:
   Demorb1 – рациональные базисные сети;
   Demorb3 – использование не перекрывающихся функций актива-
ции (передаточных функций);
   Demorb4 – использование перекрывающихся передаточных
функций;
   Demogrn1 – аппроксимация функций с помощью сети типа GRNN;
   Demogrn1 – классификация векторов с помощью сети типа PNN.

  Для анализа использовать скрипты примеров.




                              101