Page 38 - 4721

net1 = feedforwardnet(25); %мережа прямого поширення
view(net1)
net1.divideFcn = '';
net1 = train(net1,X,T,nnMATLAB);

3. Накладемо на образи літер шум:
numNoise = 30;
Xn =
min(max(repmat(X,1,numNoise)+randn(35,26*numNoise)*0.2,0),
1); %зашумлення
Tn = repmat(T,1,numNoise);
figure
plotchar(Xn(:,1))

4. Проведемо навчання другої мережі на зашумлених
літерах:
net2 = feedforwardnet(25);
net2 = train(net2,Xn,Tn,nnMATLAB);

5. Протестуємо роботу обох мереж та порівняємо їх
похибки:
noiseLevels = 0:.05:1;
numLevels = length(noiseLevels);
percError1 = zeros(1,numLevels);
percError2 = zeros(1,numLevels);
for i = 1:numLevels
Xtest =
min(max(repmat(X,1,numNoise)+randn(35,26*numNoise)*noiseL
evels(i),0),1);
Y1 = net1(Xtest);
percError1(i) = sum(sum(abs(Tn-
compet(Y1))))/(26*numNoise*2);
37