Особенность подготовки данных для обучения сети. Главный анализ формирования обучающих массивов в задаче. Вычисление суммы квадратичных отклонений выходов паутины от эталонов. Основная характеристика проведения результатов регрессионного анализа.
ЗаданиеВыберем количество значений функции равным N=21, т.е. в качестве входных векторов массива используем значения функции y в точках х=0.05; …1.0. Для решения поставленной задачи сформируем трехслойную сеть обратного распространения, включающую 21 нейрон во входном слое (по числу компонент входного вектора) с передаточной функцией logsig, 15 нейронов во втором слое с передаточной функцией logsig и 3 нейрона в выходном слое (по числу компонентов выходного вектора) с передаточной функцией purelin. Задаем критерий окончания обучения - значение отклонения, при котором обучение будет считаться законченным: net.TRAINPARAM.goal=0.01; Теперь можно начинать обучение: [net,tr]=train(net,P,T); Для оценки достоверности результатов работы сети можно воспользоваться результатами регрессионного анализа, полученными при сравнении эталонных значений со значениями, полученными на выходе сети когда на вход поданы входные векторы тестового массива.
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы
