Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
где PR – массив размера R 2 минимальных и максимальных значений для R векторов входа;
S1, S2, …, SN – количество нейронов в слоях;
TF1, TF2, …, TFN – функции активации в слоях, по умолчанию tansig;
BTF – обучающая функция, реализующая метод обратного распространения, по умолчанию traingdx;
BLF – функция настройки, реализующая метод обратного распространения, по умолчанию learngdm;
PF – критерий качества обучения, по умолчанию mse.
Динамическое описание входного слова определяется рекуррентными уравнениями:
Второй линейный слой является безынерционным и описывается соотношениями:
n2( k ) = LW21a1( k ) + b2;
a2( k ) = purelin (n2( k )).
Задание 1. Создать рекуррентную нейронную сеть Элмана, которая для случайной булевой последовательности из нулей и единиц выдаёт булеву последовательность, имеющую единицы только в том случае, когда во входной последовательности встретились две единицы подряд:
P = round (rand (1, 20));
T = [ 0 (P (1: end – 1) + P (2: end) = = 2) ];
Pseq = con2seq(P); % – массив ячеек Pseq;
Tseq = con2seq(T); % – массив ячеек Tseq;
net – newelm ([0 1], [10, 1], {′tansig′, ′logsig′}) % – сеть с 10 ней-
% ронами во входном слое;
Дата публикования: 2015-10-09; Прочитано: 270 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!