Page 31 - 4848

Примітка: Як модель нейронної мережі використовувати модель
мережі із зворотним поширенням помилки. Якщо навчання і моделювання
мережі буде проводитися на комп’ютері із малопотужним процесором, то
потрібно використовувати натомість TRAINLM алгоритм TRAINSCG.
Необхідно з таблиці варіантів вибрати варіант, вказаний викладачем
і задати параметри нейронної мережі, зазначені в таблиці варіантів.
Масив P предствляє собою матрицю, де рядками виступає кількість
точок функції, а стовпцями – кількість векторів.

4.3.2 Алгоритм виконання

 Створити масиви вхідних та еталонних векторів (P та T).
 Створити об’єкт нейронної мережі з необхідними
параметрами. Параметри нейронної мережі задані в таблиці 4.2
(кількість точок вхідного масиву, кількість еталонних векторів,
кількість вихідних значень).
 Настроїти параметри мережі згідно з зазначеним варіантом
(точність функціоналу, кількість циклів навчання).
 Навчити мережу.
 Змоделювати мережу.
Наведемо приклад створення тришарової мережі, настроювання її
параметрів і моделювання для варіанту №1.

net=newff(minmax(P),[21,15,3],{'logsig' 'logsig' 'purelin'},'trainscg');
%Створити нейронну мережу з 21 вхідним нейроном в першому слої 15
нейронами % в другому слої і трьома виходами.
net.performFcn='sse'; %Оціночна функція
net.trainParam.goal=0.01; %Критерій закінчення навчання
net.trainParam.epochs=3000; %Кількість циклів навчання
[net,tr]=train(net,P,T) ; %Навчити мережу

Результати виконання
Нижче наведено графіки порівняння компонентів A, C, S з
відповідними виходами мережі. Як видно з рис 4.2  4.4, всі еталонні
компоненти лягли на відповідні компоненти виходу мережі, що свідчить
про правильну роботу нейронної мережі на тестовому масиві.

30