Искусственные нейронные сети. Сивохин А.В - 64 стр.

   subplot(3,1,2)
   plot(0:22,[[0 0]; W], ′k′)
   xlabel(′′), ylabel(‘Веса входов W(i)′), grid
   subplot(3,1,3)
   semilogy(1:22, ee, ′+k′)
   xlabel(′Циклы ′), ylabel(′Ошибка′)grid
   Задание 3. Обучить нейронную сеть, для которой модель и зави-
симость выхода от входов приведены в задании 1, выполнив коман-
ды и используя последовательный и групповой способы представле-
ния обучающей последовательности:
  а) для последовательного способа:

  net=newlin ([-1 1; -1 1], 1, 0, 0);
  net.IW{1}= [0 0];
  net.b{1} = 0;
  P = {[-1 1][-1/3; 1/4][1/2 0][1/6;2/3]};
  T = {-1 –5/12 1 1}
  net.inputWeights{1, 1}.learnParam.lr = 0.2;
  net.biases{1}.learnParam.lr = 0;
  net.trainParam.epochs = 30;
  net1=train (net,P,T);
  W = net1.IW{1}                % – параметры после обучения:
  Y = sim(net1,p)
  EE = mse([Y{:}] – [T{:}]) % – ошибка 1.3817*e-003

  б) для группового способа:

  P = [-1 -1/3; 1/2 1/6; 1 1/4 0 2/3];
  T = [-1 –5/12 1 1]
  net1=train (net,P,T);
  W = net1.IW{1}             % – параметры после обучения:
  Y = sim(net1,P)


                               64