Искусственные нейронные сети. Сивохин А.В - 38 стр.

UptoLike

ВУЗ: 

ПГУ | Пенза

Составители: 

Рубрика: 

38
logsig(n) = 1 / (1 + e
-n
);
dlogsig(n) = e
-n
/ (1 + e
-n
)
2
,
выдать на экран информацию об этих функциях, построить их
графики и рассчитать векторы выхода воспользовавшись скриптом
из М-файла
hardlimfile. Новый скрипт записать в файл под именем
logsigfile.
Задание 10
. Для гиперболической тангенциальной функции акти-
вации tansig и ее производной dtansig определяемыми соотношения-
ми
tansig(n) = 2 / (1 + e
-2n
) – 1;
dtansig(n) = 1 – tansig
2
(n),
выдать на экран информацию об этих функциях, построить их гра-
фики и рассчитать векторы выхода, воспользовавшись скриптом из
М-файла
hardlimfile. Новый скрипт записать в файл под именем tan-
sigfile
.
Задание 11
. Для конкурирующей функции активации compet ис-
пользуемой для формирования вероятных и самоорганизующихся
нейронных сетей выполнить следующие действия:
1.
Выдать на экран информацию об этой функции с помощью
следующего скрипта:
Name = compet(′name′) % – cometitive;
Dname = compet(′dеriv′) % – ″;
Inrange = compet(′active′) % – -in : inf;
Outrange = compet(′outrut′) % – 0 1.
2. Построить столбцовые диаграммы для вектора входа и для
вектора выхода, используя слой из четырех нейронов:
N = [0; 1; - 0.5; 0.5];
A = compet(n); 
   logsig(n) = 1 / (1 + e-n);
   dlogsig(n) = e-n / (1 + e-n)2,
выдать на экран информацию об этих функциях, построить их
графики и рассчитать векторы выхода воспользовавшись скриптом
из М-файла hardlimfile. Новый скрипт записать в файл под именем
logsigfile.

   Задание 10. Для гиперболической тангенциальной функции акти-
вации tansig и ее производной dtansig определяемыми соотношения-
ми
   tansig(n) = 2 / (1 + e-2n) – 1;
   dtansig(n) = 1 – tansig2(n),
выдать на экран информацию об этих функциях, построить их гра-
фики и рассчитать векторы выхода, воспользовавшись скриптом из
М-файла hardlimfile. Новый скрипт записать в файл под именем tan-
sigfile.

   Задание 11. Для конкурирующей функции активации compet ис-
пользуемой для формирования вероятных и самоорганизующихся
нейронных сетей выполнить следующие действия:
   1. Выдать на экран информацию об этой функции с помощью
следующего скрипта:

  Name = compet(′name′)      % – cometitive;
  Dname = compet(′dеriv′)     % – ″;
  Inrange = compet(′active′) % – -in : inf;
  Outrange = compet(′outrut′) % – 0 1.

   2. Построить столбцовые диаграммы для вектора входа и для
вектора выхода, используя слой из четырех нейронов:
   N = [0; 1; - 0.5; 0.5];
   A = compet(n);


                                38

Страницы