BTF, BLF, PF),

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;