Искусственные нейронные сети. Сивохин А.В - 84 стр.

UptoLike

ВУЗ: 

ПГУ | Пенза

Составители: 

Рубрика: 

84
net.IW{1, 1}, net.b{1} % - [-0.22893] [0.70519];
net.trainParam.goal = 0.00001; % – второе значение
[net, tr] = train(net, P, T);
net.IW{1, 1}, net.b{1} %
– [-0.22785] [0.72495]
Задание 4. Сформировать линейную сеть с одним нейроном, од-
ним входом, принимающим значения из диапазона
[-1, 1], и линией
задержки типа
[0 1 2] для воспроизведения заданного отклика неко-
торой системы, выполнив следующие действия:
1. Создать линейную сеть заданной архитектуры с параметром
скорости настройки, равным
0,01:
net = newlin([-1 1], 1, [0 1 2], 0.01);
gensim(net).
2. Сформируем две обучающие последовательности:
Р1 = {0 –1 1 1 0 –1 1 0 0 1};
Т1 = {0 –1 0 2 1 –1 0 1 0 1};
Р2 = {1 0 –1 –1 1 1 1 0 –1};
T2 = {2 1 –1 –2 0 2 2 1 0}.
3. Выполнить обучение для последовательностей
Р1 и Т1:
net = train(net, P1, T1);
net.IW{1, 1}, net.b{1}, %
– [0.875] [0.8875] [-0.1336] [0.0619];
Y1 = sim(net, [P1 P2]);
4. Выполнить обучение сети на всем объеме обучающих данных:
net = init(net);
P3 = [P1 P2];
T3 = [T1 T2];
net.trainParam.epochs = 200;
net.trainParam. goal = 0.01; 
   net.IW{1, 1}, net.b{1} % - [-0.22893] [0.70519];
   net.trainParam.goal = 0.00001; % – второе значение
   [net, tr] = train(net, P, T);
   net.IW{1, 1}, net.b{1} % – [-0.22785] [0.72495]
   Задание 4. Сформировать линейную сеть с одним нейроном, од-
ним входом, принимающим значения из диапазона [-1, 1], и линией
задержки типа [0 1 2] для воспроизведения заданного отклика неко-
торой системы, выполнив следующие действия:

   1. Создать линейную сеть заданной архитектуры с параметром
скорости настройки, равным 0,01:
   net = newlin([-1 1], 1, [0 1 2], 0.01);
   gensim(net).

  2. Сформируем две обучающие последовательности:
  Р1 = {0 –1 1 1 0 –1 1 0 0 1};
  Т1 = {0 –1 0 2 1 –1 0 1 0 1};
  Р2 = {1 0 –1 –1 1 1 1 0 –1};
  T2 = {2 1 –1 –2 0 2 2 1 0}.

  3. Выполнить обучение для последовательностей Р1 и Т1:
  net = train(net, P1, T1);
  net.IW{1, 1}, net.b{1},   % – [0.875] [0.8875] [-0.1336] [0.0619];
  Y1 = sim(net, [P1 P2]);

  4. Выполнить обучение сети на всем объеме обучающих данных:
  net = init(net);
  P3 = [P1 P2];
  T3 = [T1 T2];
  net.trainParam.epochs = 200;
  net.trainParam. goal = 0.01;


                                 84

Страницы