........................................................ 3 Sisend- ja väljund katseandmete tekitamine ............................................................... 3 Närvivõrgu treenimine ................................................................................................ 4 Regulaator ................................................................................................................... 4 Närvivõrgu treenimisalgoritmi ja peidetud kihi neuronite aktiveerimisfunktsiooni valik............................................................................................................................. 5 Minimaalse neuronite arvu leidmine .......................................................................... 7 Minimaalne lubatav sisend-väljundandmete vektorite pikkus.................................... 9 Ülesanne 2......................................................................................................................... 12
e NET - e - NET OUT = (1.4) e NET + e - NET Joonis 1.6 Hüperboolne tangens 6 Neuroni väljund on piiratud vahemikus [-1; +1]. 3. Tihti kasutatakse ka lineaarset aktiveerimisfunktsiooni: Seda funktsiooni kasutatakse, näiteks, lineaarsete süsteemide identifitseerimisel ja sellistel rakendustel, kus väljundi väärtus ei pea olema piiratud. OUT = k NET , (1.5) kus k = tan( ) = const . Joonis 1.7 Lineaarne funktsioon Mõnedel juhtumitel kasutatakse ka järgnevaid aktiveerimisfunktsioone: 4. Astmefunktsioon (step function, ):
e NET - e - NET OUT = (1.4) e NET + e - NET Joonis 1.6 Hüperboolne tangens 6 Neuroni väljund on piiratud vahemikus [-1; +1]. 3. Tihti kasutatakse ka lineaarset aktiveerimisfunktsiooni: Seda funktsiooni kasutatakse, näiteks, lineaarsete süsteemide identifitseerimisel ja sellistel rakendustel, kus väljundi väärtus ei pea olema piiratud. OUT = k NET , (1.5) kus k = tan( ) = const . Joonis 1.7 Lineaarne funktsioon Mõnedel juhtumitel kasutatakse ka järgnevaid aktiveerimisfunktsioone: 4. Astmefunktsioon (step function, ):
annaabi.ee 
