3) Создание новой нейронной сети и ее обучение
Следующий оператор создает сеть с прямой передачей сигнала
net=newff(PR,[S1 S2...SNl],{TF1 TF2...TFNl},BTF,BLF,PF)
PR – матрица R x 2 – min и max значений для R входных элементов;
Si – количество нейронов на i-ом слое;
TFi – функции активации для i-го слоя, default = 'tansig' ;
BTF – функция обучения, default = 'traingdx';
BLF – функция для весов, default = 'learngdm';
PF – целевая функция, default = 'mse'.
Пример:
P = [0 1 2 3 4 5 6 7 8 9 10]; % Входные сигналы
T = [0 1 2 3 4 3 2 1 2 3 4]; % Выходные сигналы
net = newff([0 10],[5 1],{'tansig' 'purelin'});
net.trainParam.show=50; % показывать ошибку обучения через каждые 50 эпох
net.trainParam.epochs=300; % max кол-во эпох - 300
net.trainParam.goal=1e-5; % сеть обучается, пока ошибка не станет <=1e-5
[net,tr]=train(net,P,T); % обучение сети
t1=sim(net,P); %вычислить выходные сигналы по входящим
Эта сеть использует один вектор входа с одним элементом, имеющим допустимые границы значений [0 10];
- имеет 2 слоя с 5 нейронами в первом слое и 1 нейроном во втором слое;
- используемые функции активации: tansig - в первом слое, purelin – во втором слое;
- Системи підтримки прийняття рішень методичні вказівки
- Частина 1
- Содержание
- 1 Лабораторная работа № 1. Создание хранилищ данных. Olap – технология анализа данных 14
- 2 Лабораторная работа № 2. Прогнозирование с помощью нейронных сетей в программе Deductor 43
- 2.3 Контрольные вопросы 59
- 3 Лабораторная работа № 3. Знакомство с Neural Network
- 4 Рекомендованная литература 78 Введение в сппр
- 1 Лабораторная работа № 1 Тема: Создание хранилища данных. Olap – технология анализа данных.
- 1.1 Аналитическая платформа Deductor
- 1.2 Хранилища данных – подготовка данных для анализа
- Принципы организации хранилища:
- 1.3 Описание бизнес-задачи по созданию аналитической отчетности аптечной сети
- 1.4 Создание хранилища данных в системе Deductor
- 1.5 Анализ данных с помощью кросс-таблиц и визуализации
- 1.5.2 Срезы из хранилища данных и olap кубы
- 1.5.3 Кросс-диаграмма
- 1.5.4 Фильтрация данных в кубе
- 1.6 Задание к лабораторной работе
- 1.7 Контрольные вопросы
- 2 Лабораторная работа № 2 Тема: Нейронные сети. Прогнозирование с помощью нейронной сети в программе Deductor
- 2.1 Нейронные сети: основные понятия
- 2.1.1 Искусственный нейрон и нейронная сеть
- 2.1.2 Обучение
- 2.1.3. Нейронные сети обратного распространения
- 2.2 Прогнозирование с помощью нейронных сетей в Deductor
- 2.2.1 Исходные данные
- 2.2.2 Расчет автокорреляции столбцов
- 2.2.3 Удаление аномалий и сглаживание
- 2.2.4 Скользящее окно 12 месяцев назад
- 2.2.5 Обучение нейросети
- 2.2.6 Построение прогноза
- 2.2.7 Результат
- 2.2.8 Выводы
- 2.3 Контрольные вопросы
- 2.4 Рынок нейропакетов
- 3 Лабораторная работа №3 Тема: зНакомство с neural network toolbox пакета mAtlab
- 3.1 Нейронные сети: графический интерфейс пользователя
- 3.1.1 Управляющие элементы nnTool
- 3.1.3 Разделение линейно-неотделимых множеств
- Пример 3.2. Пусть требуется создать нейронную сеть, выполняющую логическую функцию "исключающее или".
- 3.1.4 Задача аппроксимации
- Пример 3.3. Необходимо выполнить аппроксимацию функции , где , а n - число точек функции.
- 3.2 Функции Matlab для работы с нейронными сетями
- 1) Линейная функция активации purelin.
- 2) Логистическая функция активации logsig.
- 3) Создание новой нейронной сети и ее обучение
- 3.3 Задание к лабораторной работе
- 3.4. Контрольные вопросы
- 4 Литература