Y = sim(net, P) % – [0.0300] [2.0100] [3.9900] [5.9700].
Задание 6. Сформировать линейную сеть из одного нейрона и одного 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.
Задание 7. Сформировать линейную сеть из одного нейрона, одного входа и одного выхода для цифровой фильтрации сигнала, выполнив следующие действия:
1-Создать сеть и произвести ее инициализацию:
net = newlin([0 10], 1); % – диапазон входа от 0 до 10; net.inputWeights{1, 1}.delays = [0 1 2]; net.IW{1, 1} = [7 8 9;] % – произвольная инициализация
net.b{1} = [0]; весов и смещения
pi = {1 2}; % – начальные условия на линиях задержки.
% a = [46] [70] [94] [118] pf = [5] [6]. Выполнить адаптацию сети с помощью 10 циклов:
net.adaptParam.passes = 10;
[net, y, E, pf, af] = adapt(net, P, T, pi); y % - y = [10.004] [20.002] [29.999] [39.998].
Задание 8. Сформировать сеть ADALINE с одним нейроном и одним входом, значения которого изменяются от –1 до +1, двумя линиями задержки и одним выходом для предсказаний значений детерминированного процесса p(t), выполнив следующие действия:
Сформировать колебательное звено, реакция которого на ступенчатый сигнал будет использована в качестве детерминированного процесса p(t):
Сформировать обучающее множество: p = y(1: length(time)-2)' ; % – входной сигнал t = y(3: length(time))' ; % – целевой выход time = 0:0.2:10;
[Y, time] = step(sys, 0:0.2:10 ).
Сформировать сеть ADELINE и множества Р и Т:
net = newlin([-1 1], 1, [1 2]); % - lr = 0.01;
P = num2sell(p); T = num2cell(t).
Настроить сеть:
pi = {0 0} % – начальные значения для задержек; net.adaptParam.passes = 5;
