Искусственные нейронные сети. Сивохин А.В - 39 стр.

  subplot(2, 1, 1), % – подокна 2 × 1; вывод в 1-е;
  bar(n),           % – столбцовая диаграмма;
  ylabet(‘n’)       % – метка оси ординат;
  subplot(2, 1, 2), bar(a), ylabet(‘a’) % – во 2-м подокне.
   3. Рассмотренную последовательность команд оформить в виде
скрипта в М-файл с именем competlile.

   Задание 12. Выполнить действия 11-го задания для конкурирую-
щей функции активации с мягким максимумом softmax, записав при
этом новый скрипт в М-файл с именем softmaxfile.

   Задание 13. Для простого нейрона с одним двойным входом Р и
функции активации hardlim подобрать весовой коэффициент W и
смещение b таким образом, чтобы обеспечить инвертирование вход-
ного сигнала, т. е. замену нуля единицей, а единицы нулем.

   Задание 14. Для нейрона с двумя двойными входами р1 и р2 и
функцией активации hardlim подобрать весовые коэффициенты и
смещение таким образом, чтобы нейрон выполнял функции логиче-
ского сложения и логического умножения.

  Задание 15. Для нейрона с двумя двойными входами р1 и р2 и
функцией активации hardlim подбирать весовые коэффициенты W11
и W12 и смещение b таким образом, чтобы классифицировать вход-
ные двойные наборы на два класса – нулевой и первый:
  а) {00, 01} – нулевой класс, {10, 11} – первый класс;
  б) {11} – нулевой класс, {00, 01, 10} – первый класс;
  в) {00, 11} – нулевой класс, {01, 10} – первый класс;
  г) {00, 11} – первый класс, {01, 10} – нулевой класс.




                                  39