РЕЗУЛЬТАТЫ. ТЕКСТ ПРОГРАММЫ

⇐ ПредыдущаяСтр 2 из 2

РЕЗУЛЬТАТЫ

Рисунок 1 – Массив Р

До тренировки Y1 = 1 1 1 1

После тренировки Y1 = 1 0 0 0

Test1 = 0 1 1 0

Рисунок 2 – Массив Р

До тренировки Y2 = 1 1 1 1

После тренировки Y2 = 1 1 0 1

Test2 = 1 1 1 0

Рисунок 3 – Массив Р

До тренировки Y = 1 1 1 1

После тренировки Y = 1 1 0 0

Test = 0

Рисунок 4 – Массив Р

До тренировки Y3 = 1 1 1 1

После тренировки Y3 = 1 1 1 1

Test3 = 1 1 1 1

Рисунок 5 – Массив Р

До тренировки Y5 = 1 1 1 1 1 1 1 1

После тренировки Y5 = 1 1 1 1 0 0 0 0

Test5 = 1

ТЕКСТ ПРОГРАММЫ

close all; clc;

%% 1

Por= [0 0 1 1;0 1 0 1]

Pand = [0 0 1 1;0 1 0 1]

Tor= [0 1 1 1]

Tand =[0 0 0 1]

netOR = newp(Por,Tor);

plotpv(Por,Tor)

Yor = netOR(Por)

netOR.trainParam.epochs = 20;

netOR = train(netOR,Por,Tor);

Yor = netOR(Por)

netAND = newp(Pand,Tand);

figure

plotpv(Pand,Tand)

Yand = netAND(Pand)

netAND.trainParam.epochs = 20;

netAND = train(netAND,Por,Tor);

Yand = netAND(Por)

%% 2

Pex = [-0.5 -0.5 0.3 -0.1; -0.5 0.5 -0.5 1];

Tex = [1 1 0 0];

ptest = [0.7; 1.2];

net2 = newp(Pex,Tex);

figure

plotpv(Pex,Tex)

Yex = net2(Pex)

net2.trainParam.epochs = 20;

net2 = train(net2,Pex,Tex);

Yex = net2(Pex)

%% 3

Por2= [0 0 1 1; 0 1 0 1];

Tor2= [0 1 1 0];

netOR2 = newp(Por2,Tor2);

plotpv(Por2,Tor2)

Yor2 = netOR2(Por2)

netOR2.trainParam.epochs = 20;

netOR2 = train(netOR2,Por2,Tor2);

Yor2 = netOR2(Por2)

%% 4

PHz = [0.058 1.043 1.907 0.780 0.003 0.001 0.014 0.007; 0.003 0.001 0.003 0.002 0.105 1.748 1.839 1.021];

THz = [1 1 1 1 0 0 0 0];

PHztest = [0.579 0.004; 0.001 0.214];

netHz = newp(PHz,THz);

figure

plotpv(PHz,THz)

YHz = netHz(PHz)

netHz.trainParam.epochs = 20;

netHz = train(netHz,PHz,THz);

YHz = netHz(PHz)

ВЫВОД

При выполнении данной лабораторной работы были усвоены основы создания и работы с нейронными сетями в среде пакета Matlab (пакет Neural Network Toolbox).

В результате выполнения лабораторной работы были решены и реализованы на ЭВМ методы обучения персептрона и изучены алгоритмы обучения нейронных сетей(НС), а также проведен их сравнительный анализ. Доказано на практике, что в области более простых задач, персептрон Розенблатта работает хорошо. Тем не менее, при работе с более сложными классификационными задачами на примере исключающего «или» эффективность существенно снижается.

⇐ Предыдущая 12