 |
TRAIN Обучение нейронной сети
|
|
|
|
Синтаксис:
[net, TR] = train(net,P,T,Pi,Ai)
[net, TR] = train(net,P,T,Pi,Ai,VV,TV)
Описание:
Функция [net, TR] = train(net, P, T, Pi, Ai) является методом для объектов класса network object, который реализует режим обучения нейронной сети. Эта функция характеризуется следующими входными и выходными аргументами.
Входные аргументы:
net - имя нейронной сети;
Р - массив входов;
Т - вектор целей, по умолчанию нулевой вектор;
Pi - начальные условия на линиях задержки входов, по умолчанию нулевой вектор;
Ai - начальные условия на линиях задержки слоев, по умолчанию нулевой вектор.
Выходные аргументы:
net - структура объекта network object после обучения;
TR - характеристики процедуры обучения:
TR.timesteps - длина последней выборки;
TR.perf - значения функции качества на последнем цикле обучения.
Заметим, что входной аргумент Т используется только при наличии целевых выходов. Аргументы Pi и Pf используются только в случае динамических сетей, имеющих линии задержки на входах или в слоях.
Примеры функций активации:
logsig – сигмоидальная;
purelin – линейная;
tansig – гиперболический тангенс;
MatLab позволяет строить графики функций в линейном, логарифмическом и полулогарифмическом масштабах. Кроме этого, можно строить графики нескольких функций, даже определенных на разных отрезках.
Построение графиков функций одной переменной в линейном масштабе осуществляется при помощи функции plot.
Вывод отображения простейшей функции одной переменной y (x) определенной на отрезке [a,b] в виде графика состоит из следующих этапов:
1. Задание вектора значений аргумента х.
2. Вычисление вектора у значений функции у (х).
3. Вызов команды plot(x, y) для построения графика.
Например: Построить график функции 
на отрезке [-5; 5] с шагом 0,05.
|
|
|
>> x =[-5: 0.05: 5];
>> y = x. ^2;
>> plot(x, y)
После выполнения команд на экране появляется окно Figure No. 1 с графиком функции. Окно содержит меню, панель инструментов и область графика.
Если нам надо построить одновременно графики двух функций f (x) и g (x), то надо набрать следующую команду:
>> plot(x, f, x, g)
Для того чтобы построенные графики были максимально удобны для восприятия, служит дополнительный аргумент. Этот аргумент заключается в апострофы и состоит из трех символов, которые определяют: цвет, тип маркера и тип линии.
| Глава 2 Цвет | Глава 3 Тип маркера | Глава 4 Тип линии | |||
| y m c r g b w k | желтый розовый голубой красный зеленый синий белый черный | . ° x + * s d v ^ < > p h | точка кружок крестик знак «плюс» звездочка квадрат ромб треугольник вершиной вниз треугольник вершиной вверх треугольник вершиной влево треугольник вершиной вправо пятиконечная звезда шестиконечная звезда | - : -. -- | сплошная пунктирная штрих-пунктирная штриховая |
Пример:
Создать нейронную сеть, чтобы обеспечить следующее отображение последовательности входа Р в последовательность целей Т:
Р= [0 1 2 3 4 5 6 7 8 9 10];
Т= [0 1 2 3 4 3 2 1 2 3 4];
Архитектура нейронной сети: двухслойная сеть с прямой передачей сигнала; скрытый слой - 5 нейронов с функцией активации tansig; выходной слой - 1 нейрон с функцией активации purelin; диапазон изменения входа [0 10].
net = newff([0 10],[5 1],{‘tansig’ ‘purelin’});
Обучим сеть в течение 50 циклов:
net.trainParam.epochs = 50;
net = train(net,P,T);
Выполним моделирование сети и построим графики сигналов выхода и цели.
Y = sim(net,P);
Plot(P, Т, P, Y)
|
|
|
ALTER TABLE Поставщик ADD CONSTRAINT CH_1 CHECK (Статус BETWEEN 10 AND 100)
CHAPTER ІІІ. Historical Review of the Higher Teachers’ Training Education
Chinese high-speed trains
Intelligent Machine-Based Training
IV. Учет индивидуальных достижений кандидатов на обучение
MODELING OF PROBLEM SITUATIONS IN THE SOCIO-PSYCHOLOGICAL TRAINING OF PERSONS WITH INTELLECTUAL DISABILITIES
Operation violates CHECK constraint INTEG_3 on view or table TOVARY
Student Team Learning (STL, обучение в команде).
TESTING FOR FLIGHT SIMULATION TRAINING DEVICE QUALIFICATION
Text 3 Qualification Raising and Staff Retraining
