Искусственные нейронные сети. Сивохин А.В - 94 стр.

UptoLike

ВУЗ: 

ПГУ | Пенза

Составители: 

Рубрика: 

94
plot(P, V, ′*b′, ′MarkerSize′, 10, ′LineWidth′, 2).
Задание 4.
Создать радиальную базисную сеть для большого чис-
ла значений входа и цели при средней квадратичной ошибке
0.01,
выполнив действия задания 3 и заменив функцию
newrbe(P, T) на
функцию
newrb(P, T, 0.01).
Задание 5.
Провести аппроксимацию функции f(x) с помощью ра-
диальных базисных функций
)(x
i
ϕ
в виде следующего разложения
в ряд:
)()(
1
xxf
i
n
i
i
ϕα=
∑
=
,
здесь коэффициенты разложения по радиальным базисным функци-
ям:
p = -3:0.1:3;
a1 = radbas(P);
a2 = padbas(P-1.5);
a3 = radbas(P+2);
a = a1 + a2 + 0.5*a3;
plot(P, a1, p, a2, p, 0.5*a3, p, a).
Как видно из графика, разложение по радиальным базисным
функциям обеспечивает необходимую гладкость. Разложение ука-
занного вида может быть реализовано на двухслойной нейронной
сети, первый слой которой состоит из радиальных базисных нейро-
нов, а второй – из единственного нейрона с линейной характеристи-
кой, на котором суммируются выходы нейронов первого слоя.
Задание 6.
Исследовать гладкость аппроксимации при следующих
значениях параметра
SPREAD: 1, 0.01 и 12, используя команды из
четвертого задания. 
  plot(P, V, ′*b′, ′MarkerSize′, 10, ′LineWidth′, 2).

   Задание 4. Создать радиальную базисную сеть для большого чис-
ла значений входа и цели при средней квадратичной ошибке 0.01,
выполнив действия задания 3 и заменив функцию newrbe(P, T) на
функцию newrb(P, T, 0.01).

   Задание 5. Провести аппроксимацию функции f(x) с помощью ра-
диальных базисных функций ϕi (x) в виде следующего разложения
в ряд:
                                   n
                         f ( x) = ∑ α i ϕi ( x) ,
                                  i =1

здесь коэффициенты разложения по радиальным базисным функци-
ям:
   p = -3:0.1:3;
   a1 = radbas(P);
   a2 = padbas(P-1.5);
   a3 = radbas(P+2);
   a = a1 + a2 + 0.5*a3;
   plot(P, a1, p, a2, p, 0.5*a3, p, a).
   Как видно из графика, разложение по радиальным базисным
функциям обеспечивает необходимую гладкость. Разложение ука-
занного вида может быть реализовано на двухслойной нейронной
сети, первый слой которой состоит из радиальных базисных нейро-
нов, а второй – из единственного нейрона с линейной характеристи-
кой, на котором суммируются выходы нейронов первого слоя.

   Задание 6. Исследовать гладкость аппроксимации при следующих
значениях параметра SPREAD: 1, 0.01 и 12, используя команды из
четвертого задания.




                                   94

Страницы