"mitteilmutatult" - 1 õppematerjal

Praktikumide aruanne Automaatjuhtimissüsteemide jätkukursus

% funktsiooniga, täpsus % kasvab. 5 neuronit on juba 10'-10, mis on piisavalt % hea. Lineaarse aktiveerimis % funktsiooniga on 1 neuron sama täpne. net.trainFcn = 'trainlm' %treenimisfunktsioon Levenberg ­ % Marquardt teist järku tuletiste maatriksil põhinev net.trainParam.epochs=5000 %iteratsioonide arv Treenime selle loodud närvivõrgu valitud parameetritega ja algoritmiga. net=train(net,P,T) %sim(net,[-1;2]) - närvivõrk oskab mitteilmutatult arvutada 0.3*x1 + 0.9*x2 %ans = % 1.5000 W1=net.IW{1,1} %sisendite kaalukoefitsendid W2=net.LW{2,1} %kihi kaalukoefintsendid B1=net.b{1} %iga neuroni nihe (bias), aktiveerimisfunktisooni nihe B2=net.b{2} W2*B1+B2 % peaaegu null - järelikult W_2*0_1-0_2 Proovisime ka keerulisemat funktsiooni y=(x_1*x_2)/((x_1+x_2)^2+10) Sellist asja ei saaks ainult lineaarsete kihtidega lahendada, vähemalt peidetud kiht peab olema mittelineaarse aktiveerimisfunktsiooniga.