Page 13 - 4721

Завдання

1. Задайте вхідний вектор значень та вектор цільових
значень і візуалізуйте їх:
X = [ -0.5 -0.5 +0.3 -0.1; %вхідні значення
-0.5 +0.5 -0.5 +1.0];
T = [1 1 0 0]; %цільові значення
plotpv(X,T); %будуємо графік

2. Перцептрон повинен правильно класифікувати вхідні
вектори на два класи, визначені в Т. Це нейрони типу hardlim,
функція активації яких приймає тільки значення 0 або 1.
Перцептрон створює нову нейронну мережу з одного нейрона.
Потім мережа налаштовується на основі даних щоб можна
було дослідити первинні значення ваг і зміщень:
net = perceptron;
net = configure(net,X,T); %створюємо та конфігуруємо
мережу

3. Проведіть тренування мережі:
plotpv(X,T);
plotpc(net.IW{1},net.b{1}); %будуємо розділювальну лінію

4. Адаптуйте мережу до вхідних значень:
XX = repmat(con2seq(X),1,3);
TT = repmat(con2seq(T),1,3);
net = adapt(net,XX,TT); % проводимо адаптацію мережі
plotpc(net.IW{1},net.b{1});

Класифікуйте заданий вхідний вектор (х, y)
Збережіть отримані графіки та включіть їх до звіту.

12