Искусственные нейронные сети. Сивохин А.В - 60 стр.

  net.IW{1} = [0 0];
  net.b{1}     = 0;
  net.inputWeights{1,1}.learnParm.lr = 0.2;
  net.biases{1}.learnParam.lr =0.

   Нулевое значение параметра скорости настройки для смещения
обусловлено тем, что заданная зависимость t = 2 p1 + p2 не имеет
постоянной составляющей.
   7. Выполнить один цикл адаптации с заданным значением пара-
метра скорости адаптации:

  [net1, a, e] = adapt (net, P, T);
       net1.IW{1,1} % – значения весов в сети net1 изменились;
          a            % – четыре значения выхода сети net1;
          e            % – четыре значения ошибки сети net1.

  8. Выполнить адаптацию сети net с помощью 30 циклов:

  for i = 1:30,
  [net, a{i}, e{i}] = adapt(net, P, T);
  W(i, :) = net.IW{1,1};
  end;
  cell2mat(a{30})        % – значения выхода на последнем цикле;
  cell2mat(e{30})        % – значение ошибки на последнем цикле;
  W(30, :)               % – веса после 30 циклов;
  mse(cell2mat(e{30}) % – функция ошибок: 0.0017176.

   Здесь cell2mat – функция преобразования массива числовых ячеек
в массив чисел, а mse – функция среднеквадратичной ошибки.
   9. Построить графики зависимости значений выходов сети и ве-
совых коэффициентов, а также среднеквадратичной ошибки от числа
циклов, используя функцию subplot для деления экрана на окна:


                                 60