Искусственные нейронные сети. Сивохин А.В - 34 стр.

UptoLike

ВУЗ: 

ПГУ | Пенза

Составители: 

Рубрика: 

34
Рис. 3.7. Функции активации
Практические задания
Задание 1. Для функции активации с жесткими ограниче-
ниями hardlim и её производной dhardlim, определяемыми сле-
дующими соотношениями:
⎩
⎨
⎧
≥
<
=
;0,1
;0,0
)(
n
n
nlimhard
⎩
⎨
⎧
≥
<
=
,0,0
;0,0
)(
n
n
nlimdhard
выполнить следующие действия:
1. Выдать на экран информацию об этих функциях с помощью
следующих команд:
name=hardlim(′name′) % – полное название функции;
dname=hardlim(′deriv′) % – название производной;
inrange=hardlim(′active′) % – диапазон входа;
outrange=hardlim(′output′) % – диапазон выхода;
2. Построить графики функций:
n=-5:0,1:5;
a=hardlim(n);
da=dhardlim(n);
plot(n,a,′r′) % – график функции активации – красный;
hard on 
                      Рис. 3.7. Функции активации
               Практические задания
  Задание 1. Для функции активации с жесткими ограниче-
ниями hardlim и её производной dhardlim, определяемыми сле-
дующими соотношениями:
               ⎧0, n < 0;
  hardlim(n) = ⎨
               ⎩1, n ≥ 0;
                ⎧0, n < 0;
  dhardlim(n) = ⎨
                ⎩0, n ≥ 0,
выполнить следующие действия:
   1. Выдать на экран информацию об этих функциях с помощью
следующих команд:
   name=hardlim(′name′)       % – полное название функции;
   dname=hardlim(′deriv′)     % – название производной;
   inrange=hardlim(′active′) % – диапазон входа;
   outrange=hardlim(′output′) % – диапазон выхода;

  2. Построить графики функций:

  n=-5:0,1:5;
  a=hardlim(n);
  da=dhardlim(n);
  plot(n,a,′r′) % – график функции активации – красный;
  hard on



                                  34

Страницы