Искусственные нейронные сети. Сивохин А.В - 85 стр.

UptoLike

ВУЗ: 

ПГУ | Пенза

Составители: 

Рубрика: 

85
net = train(net, P3, T3);
net.IW{1, 1}, net.b{1} % – [0.9242] [0.9869] [0.0339] [0.0602]
Y3 = sim(net, P3) %
– дискретная модель:
% Y
k
= 0.9242r
k
+0.9869 r
k-1
+0.0339 r
k-2
+0.0602.
5. Построить графики отклика Т3 и приближений Y1 и Y3:
plot(0:0,01:20, T3, 'G'), hold on % – зеленый;
plot(0:0,01:20, Y1, 'B'), hold on %
– синий;
plot(0:0,01:20, Y3, 'R'), hold off %
– красный.
Задание 5. Сформировать линейную сеть из одного нейрона и од-
ного входа, который обеспечивает для заданного входа
Р, близкий к
цели
Т, выполнив следующие команды:
P = 0:3;
T = [0.0 2.0 4.1 5.9]; %
– зависимость t = 2p;
net = newlind(P, T);
gensim(net)
net.IW{1, 1}, net.b{1} %
– [1.9800] [0.3000];
Y = sim(net, P) %
– [0.0300] [2.0100] [3.9900] [5.9700].
Задание 6
. Сформировать линейную сеть из одного нейрона и од-
ного входа с двумя элементами для классификации значений входа,
выполнив следующие действия:
P = [2 1 -2 -1; 2 -2 2 1];
T = [0 1 0 1];
net = newlin([-2 2; -2 2], 1);
net.trainParam.goal = 0.1;
[net, tr] = train(net, P, T);
net.IW{1, 1}, net.b{1}
A = sim(net, P);
err = T-A %
– погрешности сети весьма значительны. 
  net = train(net, P3, T3);
  net.IW{1, 1}, net.b{1}     % – [0.9242] [0.9869] [0.0339] [0.0602]
  Y3 = sim(net, P3)          % – дискретная модель:
  % Yk = 0.9242rk+0.9869 rk-1+0.0339 rk-2+0.0602.
  5. Построить графики отклика Т3 и приближений Y1 и Y3:
  plot(0:0,01:20, T3, 'G'), hold on % – зеленый;
  plot(0:0,01:20, Y1, 'B'), hold on % – синий;
  plot(0:0,01:20, Y3, 'R'), hold off % – красный.

   Задание 5. Сформировать линейную сеть из одного нейрона и од-
ного входа, который обеспечивает для заданного входа Р, близкий к
цели Т, выполнив следующие команды:
   P = 0:3;
   T = [0.0 2.0 4.1 5.9]; % – зависимость t = 2p;
   net = newlind(P, T);
   gensim(net)
   net.IW{1, 1}, net.b{1} % – [1.9800] [0.3000];
   Y = sim(net, P)        % – [0.0300] [2.0100] [3.9900] [5.9700].

   Задание 6. Сформировать линейную сеть из одного нейрона и од-
ного входа с двумя элементами для классификации значений входа,
выполнив следующие действия:
   P = [2 1 -2 -1; 2 -2 2 1];
   T = [0 1 0 1];
   net = newlin([-2 2; -2 2], 1);
   net.trainParam.goal = 0.1;
   [net, tr] = train(net, P, T);
   net.IW{1, 1}, net.b{1}
   A = sim(net, P);
   err = T-A % – погрешности сети весьма значительны.



                                  85

Страницы