![]() |
Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | |
|
mse(cell2mat(e{30}) % – функция ошибок: 0.0017176.
Здесь cell2mat – функция преобразования массива числовых ячеек в массив чисел, а mse – функция среднеквадратичной ошибки.
9. Построить графики зависимости значений выходов сети и весовых коэффициентов, а также среднеквадратичной ошибки от числа циклов, используя функцию subplot для деления экрана на окна:
Subplot(3,1,1)
for i = 1:1:30, plot(i, cell2mat(a{i}), ′k′),
Hold on
End;
xlabel(′′), ylabel(′Выходы a(i)′)
Grid
Subplot(3,1,2)
plot(0:30, [[0 0]; W], ′k′)
xlabel(′′), ylabel(′Веса входов W(i) ′)
Grid
Subplot(3,1,3)
for i = 1:30, E(i) = mse(e{i}); end
semilogy(1:30, E, ′+k′)
xlabel(′Циклы′), ylabel(′Ошибка′), grid
10. Адаптировать рассматриваемую модель статической сети для аппроксимации той же зависимости и с теми же требованиями к погрешности, используя групповой способ представления обучающей последовательности:
P = [-1 -1/3 1/2 1/6; 1 1/4 0 2/3];
T = [-1 -5/12 1 1];
net = newlin([-1 1; -1 1], 1, 0, 0, 0.2);
net = IW{1} = [0 0]; % – присваивание начальных весов;
net.l{1} = 0; % – присваивание начального смещения;
net.inputWeughts{1,1}.learnParam.lr = 0.2;
EE = 10;
i = 1; % – для подсчета количества циклов;
while EE > 0.0017176
[net, a{i}, e{i}, pf] = adapt(net, P, T);
W(i,:) = net.IW{1,1};
EE = mse(e{i});
ee(i) = EE;
i = i + 1;
End;
11. Проанализировать результаты и сделать их сравнение с результатами для последовательного представления обучающей последовательности:
W(63,:)
cell2mat(a{63})
EE = mse(e{63})
mse(e{1})
12. Для полученных результатов построить графики и сравнить их с предыдущими:
Дата публикования: 2015-10-09; Прочитано: 300 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!