Logo GenDocs.ru

Поиск по сайту:  


Загрузка...

Изучение нечеткой логики - файл Лаба2.doc


Загрузка...
Изучение нечеткой логики
скачать (1629.8 kb.)

Доступные файлы (4):

Лаба2.doc552kb.19.10.2009 12:26скачать
Лаба3.doc536kb.04.05.2011 00:22скачать
Лаба4.docx257kb.03.11.2009 12:38скачать
ЛР1 ИСУ.doc527kb.19.04.2011 00:33скачать

Лаба2.doc

Реклама MarketGid:
Загрузка...

Лабораторная работа №2


Изучение пакета прикладных программ Neural Network Toolbox в среде системы MATLAB

Цель: изучить принципы построения нейронных сетей в пакете прикладных программ Neural Network Toolbox в среде системы MATLAB.

  1. Постановка задачи

Создать и обучить нейронную сеть выполнению операции у = х12 + х2, если заданы последовательности входа Р1 = [1 0.5 0 1; -2 0 0.5 1] и цели Т1 = [-1 0.25 0.5 2].

  1. Ход работы

Сформируем последовательности входов и целей в рабочей области GUI-интерфейса NNTool, используя окно Create New Data (рис. 1).



Рис. 1. Ввод входных данных

Выберем нейронную сеть типа feed-forward backprop с прямой передачей сигнала и с обратным распространением ошибки. Схема этой сети показана на рис. 2.



Рис. 2. Структура нейронной сети типа

Выполним инициализацию сети, для чего выберем закладку Initialize, откроется диалоговая панель, показанная на рис. 3. Диапазоны значений исходных данных выберем по входам из ниспадающего меню Get from input. Для ввода установленных диапазонов и инициализации весов надо воспользоваться кнопками Set Ranges (Установить диапазоны) и Initialize Weights (Инициализировать веса). Если требуется вернуться к прежним диапазонам, то следует выбрать кнопки Revert Ranges (Вернуть диапазоны) и Revert Weights (Вернуть веса).



Рис. 3. Инициализация сети

Затем выполняется обучение сети, для чего выбирается закладка Train и открывается диалоговая панель, показанная на рис. 4.



Рис. 4. Обучение сети. Информация об обучающих последовательностях

На рис. 5. представлены параметры обучения выбранной сети.



Рис. 5. Обучение сети. Параметры обучения

Применяя эти закладки, можно установить имена последовательностей входа и цели, а также параметров процедуры обучения. Теперь можно приступить к обучению сети (кнопка Train Network).



Рис. 6. Результат обучения сети (график)

Качество обучения сети с прямой передачей сигнала на выбранной обучающей последовательности поясняется на рис. 6. Соответствующие веса и смещения можно увидеть, если выбрать закладку Weights (рис. 7).



Рис. 7. Веса и смещения сети

Для удобства работы можно экспортировать созданную нейронную сеть в рабочую область системы MATLAB и получить информацию о весах и смещениях непосредственно в рабочем окне системы.

Результаты обучения можно просмотреть в окне Network/Data Manager, выбрав кнопку Manager (рис. 7).

Проведем тестирование нейронной сети. Для этого создадим дополнительный набор данных Dtest=[0.25 0.5 0.5 0.75 1; -2 -1 0 0.4 1] и набор желаемого результата Ttest=[-1.9375 -0.75 0.25 0.9625 2]. На рисунке 9 показаны выходные значения и абсолютная погрешность вычисления.

В результате настройки будут установлены следующие значения весов и смещений, которые можно увидеть, выбрав закладку Weights. Для данной сети вектора весов равны IW{1, 1} = [-2.0959 -2.149], LW=[-14.172] , а смещения b{1} = [0.55339], b{2} = [-6.2327]. Таким образом, линия переключения, разделяющая плоскость на 2 области, описывается следующим образом:

L: -14.172(-2.0959p1 – 2.149р2 +0,55339)-6.2327 = 0.



Рис. 8. Запуск алгоритма на тестирующих данных



Рис. 9. Результаты тестирования
Вывод: Из анализа весов и смещений видно, что простая структура нейронной сети дает линейную зависимость выхода схемы от входов. Из-за линейности возникает большая погрешность в точках удаленных от заданных.


Скачать файл (1629.8 kb.)

Поиск по сайту:  

© gendocs.ru
При копировании укажите ссылку.
обратиться к администрации
Рейтинг@Mail.ru