close

Вход

Забыли?

вход по аккаунту

?

отчет вар0

код для вставкиСкачать
5 ЛАБОРАТОРНАЯ РАБОТА №5
РЕАЛИЗАЦИЯ ИСКУСТВЕННОЙ НЕЙРОННОЙ СЕТИ В ПАКЕТЕ
NEURAL NETWORKS TOOLBOX
Цель работы: Ознакомиться с пакетом для реализации искусственных
нейронных сетей Neural Networks Toolbox.
5.1 Краткие теоретические сведения
Искусственная нейронная сеть — это математическая модель, а также
устройства параллельных вычислений, представляющие собой систему
соединённых и взаимодействующих между собой простых процессоров
(искусственных нейронов).
Как математическая модель искусственная нейронная сеть
представляет собой частный случай методов распознавания образов или
дискриминантного анализа.
Такие процессоры обычно довольно просты, особенно в сравнении с
процессорами, используемыми в персональных компьютерах.
Нейронные сети не программируются в привычном смысле этого
слова, они обучаются. Возможность обучения — одно из главных
преимуществ нейронных сетей перед традиционными алгоритмами.
Технически обучение заключается в нахождении коэффициентов связей
между нейронами. В процессе обучения нейронная сеть способна выявлять
сложные зависимости между входными данными и выходными, а также
выполнять обобщение. Это значит, что, в случае успешного обучения, сеть
сможет вернуть верный результат на основании данных, которые
отсутствовали в обучающей выборке.
Одним из наиболее популярных вариантов программного обеспечения
для
построения
искусственных
нейронных
сетей
является
инструментальное средство Neural Networks Toolbox, являющееся частью
системы MATLAB. Данное инструментальное средство имеет свой
собственный графический интерфейс, который позволяет, не обращаясь к
командному окну системы MATLAB, выполнять создание, обучение,
моделирование, а также импорт и экспорт нейронных сетей и данных.
Однако такие инструменты наиболее эффективны лишь на начальной стадии
работы с пакетом, поскольку имеют определенные ограничения. В частности,
интерфейс Neural Networks Toolbox допускает работу только с простейшими
однослойными и двухслойными нейронными сетями, но при этом
пользователь выигрывает во времени и эффективности решения прикладных
задач.
Таблица 5.1 – Задания для создания искусственной нейронной сети
Вариант
0
Функция
у =x /3
на отрезке [-1, 1],
2
Вектор входа
x=[ -1, 1],
5.2 Порядок выполнения работы
1. В процессе создания нейронной сети был задан вектор входа, который
отображен на рисунке 5.1.
Рисунок 5.1 – Вектор входа
2. Согласно варианту был вычислен вектор целей согласно заданному варианту,
который отображен на рисунке 5.2.
Рисунок 5.2 – Вектор целей
Была создана нейронная сеть типа Elman backprop. Количество нейронов в
первом слое равно 2.
Рисунок 5.3 - Структурная схема созданной сети
1. Для созданной сети било осуществлено обучение до получения
оптимального результата.
Рисунок 5.3 – Форма вывода процесса обучения
Рисунок 5.5 - Изменение ошибки сети в процессе обучения.
2. После обучения сети били получены выходные данные, показаные на
рисунке 5.6.
Рисунок 5.6 – Выходные данные.
3. После экспортирования созданной нейронной сети в рабочую область системы
MatLab была получена информация о весах и смещениях непосредственно в
рабочем окне системы с помощью команд.
Рисунок 5.7 – Выполнение команд
4. С помощью команды gensim(network1) была построена модель НС в
среде Simulink ,ее схема изображена на рисунке 5.8.
Рисунок 5.8 - Модель НС в среде Simulink
5.3 Выводы
В ходе выполнения лабораторной работы был изучен пакет для реализации
искусственных нейронных сетей Neural Networks Toolbox. Также была создана
нейронная сеть, которая прошла успешное обучение.
Документ
Категория
Компьютеры, Программирование
Просмотров
12
Размер файла
482 Кб
Теги
отчет, вар0
1/--страниц
Пожаловаться на содержимое документа