Внимание! Вы не авторизовались на сайте. Ваш IP-адрес будет публично видимым, если вы будете вносить любые правки. Если вы войдёте или создадите учётную запись, правки вместо этого будут связаны с вашим именем пользователя, а также у вас появятся другие преимущества.
Правка может быть отменена. Пожалуйста, просмотрите сравнение версий, чтобы убедиться, что это именно те изменения, которые вас интересуют, и нажмите «Записать страницу», чтобы изменения вступили в силу.
Текущая версия |
Ваш текст |
Строка 60: |
Строка 60: |
| | | |
| где <math>\alpha</math> - коэффициент инерциальнности для сглаживания резких скачков при перемещении по поверхности целевой функции | | где <math>\alpha</math> - коэффициент инерциальнности для сглаживания резких скачков при перемещении по поверхности целевой функции |
− |
| |
− | ==Использование==
| |
− |
| |
− | На практике, удобнее разрабатывать алгоритмы в пакете Matlab, где для работы с нейронным сетями есть Neural Network Toolbox. Его средствами можно построить сеть и обучить ее на наборе данных.
| |
− | Для удобства пользователя предусмотрен GUI который запускается командой >>nnstart
| |
− |
| |
− | Кроме того, можно использовать инструменты NNToolbox прямо в коде
| |
− |
| |
− | Попробуем решить простейшую задачу экстраполяции на примере параболы.
| |
− |
| |
− |
| |
− |
| |
− | for i=1:6
| |
− | Набор данных для обучения
| |
− | inputs = [1:10];
| |
− | targets =inputs.*inputs;
| |
− | Создание сети с i*2 нейронами
| |
− | hiddenLayerSize = i*2;
| |
− | net = fitnet(hiddenLayerSize);
| |
− | subplot(2,3,i)
| |
− | plot(inputs,targets,'r')
| |
− | hold on
| |
− | Разделение данных на набор для обучения,валидации и тестирования
| |
− | net.divideParam.trainRatio = 80/100;
| |
− | net.divideParam.valRatio = 20/100;
| |
− | net.divideParam.testRatio = 0/100;
| |
− | Обучение
| |
− | [net,tr] = train(net,inputs,targets);
| |
− | Тестирование
| |
− | inputs=[1:0.1:20]
| |
− | outputs = net(inputs);
| |
− | plot(inputs,outputs)
| |
− | end
| |
− |
| |
− | Результат для 2,4,6,8,10,12 нейронных сетей. Красная линия - тренировочный набор. Синяя - результат работы сети.
| |
− |
| |
− | [[Файл:graph12345.png]]
| |