Искусственные нейронные сети. Сивохин А.В - 83 стр.

  ES = errsulf(P, T, w_rangle, b_rangle, 'purelin').

  4. Построить поверхность функции критерия качества:
  surfc(w_ rangle, b_ rangle, ES).
  5. Рассчитать траекторию обучения:
  Х = zeros(1, 50); Y = zeros(1, 50);
  net.IW{1,1} = 1; net.b{1} = -1 % – начальные значения;
  X(1) = net.IW{1}; Y(1) = net.b{1};
  net.trainParam.goal = 0.001;
  net.trainParam.epochs = 1;

  6. Вычислить веса и смещения:
  for I=2:50,
          [net, tr] = train(net, P, T);
      X(I) = net.IW{1, 1};
      Y(I) = net.b{1};
  end

  7. Построить линии уровня и траекторию обучения:
  clc; % очистка экрана
  contour(w_ rangle, b_ rangle, ES, 20) % 20 линий
  hold on
  plot(X,Y,'_ *') % – построение траектории
  hold off

   8. Оценить значения параметров настройки для двух значений це-
ли goal:
   net.IW{1, 1} = 1; net.b{1} = -1;
   net.trainParam.epochs = 50;
   net.trainParam.goal = 0.001; % – первое значение;
   [net, tr] = train(net, P, T);



                                   83