Hold on

plot (w, ′or′)

P1= [0.2:0.1:0.7; 0.2:0.1:0.7];

y = sim(net,P1)

yc = vec2ind(Y)

Задание 2. Создать слой Кохонена, который для 48 случайных векторов формирует 8 кластеров, выполнив следующие команды:

c = 8; % – число кластеров;

n =6; % – число векторов в классе;

x = [-10 10; -5 5]; % – диапазон входов;

[r,q] = size(x); % – r число строк; q – число столбцов;

minU = min(x′)′ % – минимальные значения;

maxU = max(x′)′ % – максимальные значения;

v = rand(r,c)*((maxv - minU)*ones(1,c)+minU*ones(1,c));

t = c*n % – число точек;

v = [v v v v v v]; % – 48 двухэлементных векторов;

v =v+randn(r,t)*d; % – координаты точек;

P = v; % – векторы с отклонениями (нормальный закон);

plot (P(1,:),P(2,:), ′+k′)

title (‘Векторы входа’),xlabel(′P(1,:)′), ylabel(′P(2,:) ′)

net =newc([-2 12; -1 6],8 0.1);

wo = net.IW{1,1} % – веса после инициализации;

bo = net.b{1} % – смещения после инициализации;

co = exp(1)/60 % – начальная активность;

net.trainParam.epochs = 500; % – обучение;

net = train(net, P), a = sim(net, P), ac = vec2ind(a)

net.IW{1} % – веса после обучения;

bn = net.b{1} % – смещения после обучения;

cn = exp(1)/bn % – активность после обучения;

net = newc([-2 12; -1 6], 8 0.1);

co = exp(1). /net.b{1} % – начальная активность;

net.adaptParam.passes = 500;

[net, y,e] = adapt (net, mat2cell(p)) % – адаптация;

a = sim(net, P) % – моделирование после

ac = vec2ind(a) % адаптации.

Задание 3. Построить график приращений вектора смещений и проанализировать пример democ1.

Задание 4. С помощью слоя Кохонена произвести кластеризацию оценок абитуриентов.