4. Рабочее задание

4.1. Запустить программу MATLAB.

4.2. Набрать на панели задач команду Demo.

4.3. Выбрать раздел Toolboxes, а затем – Neural Networks.

4.4. Выбрать пример построения одноходового нейрона. Получить зависимость выходного сигнала а от входного сигнала р при значениях w = –2, 2 (b = 0), b = –2, 2 (w = 1), если используются следующие функции активации:

пороговая (Hardlim);

линейная (Purelin);

полулинейная с насыщением (Satlin);

логистическая (Logsig);

гиперболический тангенс (Tansig).

4.5. Выбрать пример построения двухвходового нейрона.

Получить выходной сигнал а при входных сигналах р(1)=1, р(2)=1, линейной функции активации и различных значениях весовых коэффициентов w(1,1) и w(1,2) в соответствии с табл. 2.

Таблица 2

№ опыта	1	2	3	4	5	6	7	8	9
w(1,1)	– 2	0	1	1	2	2	2	2	2
w(1,2)	– 2	– 2	0	1	– 2	– 1	0	1	2

4.6. Выбрать пример Perception Rule. Выполнить разделение пространства признаков (плоскости) двухвходовым нейроном при заданном расположении объектов (точек). Зарисовать линию раздела, точки и записать матрицы весовых коэффициентов нейронов.

4.7. Выбрать примеры реализации классификаторов на персептроне, сети Хопфилда и сети Хэмминга (соответственно, Perception Classification, Hopfield Classification, Hamming Classification).

4.8. Изучить работу классификаторов. Зарисовать структуру системы классификации, составить структуры персептрона, нейронных сетей Хопфилда и Хэмминга, записать матрицы весовых коэффициентов и полученные результаты.

4.9. На основе полученных результатов сделать выводы о проделанной работе.

4.10. Составить отчет о проделанной работе.

5. Контрольные вопросы

5.1. Структура и математическая модель искусственного нейрона.

5.2. Функции активации нейронов.

5.3. Персептрон с одним выходом.

5.4. Персептрон со многими выходами.

5.5. Двухслойный персептрон.

5.6. Q-слойная нейронная сеть.

5.7. Разбиение гиперпространства гиперплоскостями с помощью персептрона.

5.8. Обучение персептрона.

5.9. Структурная схема сети Хопфилда.

5.10. Задача, решаемая сетью Хопфилда.

5.11. Алгоритм функционирования сети Хопфилда.

12. Структурная схема сети Хэмминга.

5.13. Задача, решаемая сетью Хэмминга.

5.14. Алгоритм функционирования сети Хэмминга.

Лабораторная работа № 4

ИССЛеДОВАние нейроннОЙ сетИ в пакете Matlab

1. Цель работы

Изучение основных функций пакета Neural Networks системы Matlab, выполнение основных этапов проектирования и исследование нейронной сети.

2. Теоретические сведения

2.1. Функции пакета Neural Networks Toolbox

Пакет MATLAB позволяет проектировать и исследовать работу нейронных сетей с отображением результатов обучения и функционирования сетей на экране [2].

В состав пакета Neural Networks входят более 150 различных функций, образуя своеобразный макроязык программирования и позволяя пользователю создавать, обучать и использовать различные НС. С помощью команды

>> help nnet

можно получить перечень входящих в пакет функций. Для получения справки по любой функции можно использовать команду >> help имя функции.