- •Моделирование нейронных сетей в среде matlab
- •Содержание
- •Введение
- •Лабораторная работа № 1 Введение в систему matlab
- •1.1. Работа в системе matlab
- •1.2. Вычисление арифметических выражений
- •1.3. Вектора и матрицы
- •1. Работа с векторами
- •2. Работа с матрицами
- •Лабораторная работа № 2 Введение в систему matlab (продолжение)
- •2.1. Построение графиков функций одной переменной
- •2.2. Программирование в matlab
- •3. Графика
- •4. Программирование
- •Лабораторная работа № 3 Работа с пакетом расширения Neural Networks Toolbox в диалоговом режиме
- •Лабораторная работа № 4 Работа с пакетом расширения Neural Networks Toolbox в командном режиме
- •Лабораторная работа № 5 Аппроксимация функций одной переменной
- •Лабораторная работа № 6 Аппроксимация многомерных функций
- •Лабораторная работа № 7 Сглаживание функций с помощью нс и эффект переобучения
- •Лабораторная работа № 8 Нахождение параметров формул по опытным данным
- •Лабораторная работа № 9 Нейросетевой классификатор
- •Лабораторная работа № 10 Распознавание образов
- •Лабораторная работа № 11 Экспертные системы
- •Лабораторная работа № 12 Прогнозирование
- •Приложение
- •Литература
Приложение
Таблица 1. Функции активации нейронов
Название |
Обозначение в NNT |
Формула |
Область значений |
Пороговая |
hardlim |
|
(0, 1) |
Знаковая (сигнатурная) |
hardlims |
|
(-1, 1) |
Сигмоидальная (логистическая) |
logsig |
|
(0, 1) |
Полулинейная |
poslin |
|
(0, ) |
Линейная |
purelin |
|
(–, ) |
Радиальная базисная (гауссова) |
radbas |
|
(0, 1) |
Полулинейная с насыщением |
satlin |
|
(0, 1) |
Линейная с насыщением |
satlins |
|
(–1, 1) |
Гиперболический тангенс (сигмоидальная) |
tansig |
|
(–1, 1) |
Треугольная |
tribas |
|
(0, 1) |
Таблица 2. Функции создания нейронных сетей
Функция |
Описание |
network |
Создание шаблона НС пользователя |
newc |
Создание слоя Кохонена |
newcf |
Создание каскадной НС |
newelm |
Создание НС Элмана |
newff |
Создание многослойной сети прямого распространения |
newfftd |
Создание многослойной НС с задержками по входам |
newgrnn |
Проектирование обобщенно-регрессионной сети |
newhop |
Создание сети Хопфилда |
newlin |
Создание слоя линейных нейронов |
newlind |
Проектирование линейной НС |
newlvq |
Создание сети встречного распространения |
newp |
Создание персептрона |
newpnn |
Проектирование вероятностной НС |
newrb |
Создание НС с радиальными базисными элементами |
newrbe |
Создание НС с радиальными базисными элементами с нулевой ошибкой на обучающей выборке |
newsom |
Создание карты Кохонена |
Таблица 3. Функции обучения нейронных сетей
Функция |
Описание |
trainb |
настраивает веса и смещения при каждом предъявлении сети входной последовательности |
trainbfg |
реализует разновидность квазиньютоновского алгоритма обратного распространения ошибки |
trainbr |
байесовский метод обучения с минимизацией комбинации квадратов ошибок и весов с выбором наилучшего варианта |
trainc |
циклическое представление входа |
traincgb |
реализует разновидность алгоритма сопряженных градиентов (метод Пауэлла–Биеле) |
traincgf |
алгоритм обратного распространения ошибки в сочетании с методом оптимизации Флетчера–Пауэлла |
traincgp |
то же, но с использованием метода Полака–Рибейры |
traingd |
«классический» алгоритм распространения ошибки |
traingda |
то же, но с адаптацией коэффициента скорости обучения |
traingdm |
реализует модифицированный алгоритм обратного распространения ошибки с введенной «инерционностью» коррекции весов и смещений |
traingdx |
реализует комбинированный метод обучения, объединяющий особенности двух вышеприведенных |
trainlm |
реализует алгоритм оптимизации Левенберга–Марквардта |
trainoss |
реализует разновидность алгоритма обратного распространения ошибки с использованием метода секущих |
trainr |
режим случайного представления входа |
trainrp |
разновидность алгоритма обратного распространения ошибки (пороговый алгоритм обратного распространения) |
trains |
обучение с последовательным представлением входов |
trainscg |
алгоритм масштабируемых сопряженных градиентов |