Искусственные нейронные сети. Сивохин А.В - 73 стр.

             Лабораторная работа № 6

  Исследование персептронных сетей
   Цель работы: изучение архитектуры персептрона и специальных
функций для создания персептрона, настройки его весов и смещений
и адаптации, ознакомление с демонстрационными примерами, а так-
же приобретение навыков построения и обучения персептронов для
различных областей применения.

              Теоретические сведения
   Персептрон – это однослойная нейронная сеть с S нейронами и R
входами, каждый из которых может состоять из нескольких элемен-
тов. Передаточной функцией каждого нейрона является ступенчатая
функция типа hardlim или hardlims. Помимо основных входов, ней-
роны персептрона имеют вход для постоянного смещения, равного
единице. Элементы входов и смещения взвешиваются с помощью
функции скалярного произведения dotprod и суммируются с помо-
щью функции накопления netsum.
   Создание персептрона производится следующей функцией:
                       net = newp(PR, S, tf, lf),
где net – объект класса network;
   PR – массив размера Rx2 минимальных и максимальных значений
для R векторов входа;
   S – число нейронов персептрона;
   tf – передаточная функция из списка { hardlim, hardlims }, при-
чем по умолчанию задается hardlim;
   lf – обучающая функция из списка {learnp, learnpn}, причем по
умолчанию – learnp.

  При создании персептрона, матрица весов и вектор смещений
инициализируются нулями с помощью функций initzero.
  Обучение персептрона производится с помощью функции адапта-
ции adapt, которая корректирует веса и смещения по результатам об-


                               73