Моделирование нейронной сети
Функция sim - моделирует нейронную сеть
Функция MatLab
function[Y,Pf,Af,E,perf] = SIM(net,P,Pi,Ai,T)
net |
Сеть |
P |
Входы сети |
Pi |
Начальные задержки входов, по умолчанию – нули |
Ai |
Начальные задержки слоев, по умолчанию – нули |
T |
Целевые значения, по умолчанию – нули |
Y |
Выходы сети |
Pf |
Конечные входные задержки |
Af |
Конечные задержки слоев |
E |
Ошибки сети |
perf |
Параметр функционирования сети |
function[Y,Pf,Af,E,perf] = sim(net,P,Pi,Ai,T)
if ~isa(net,'network')
error('First argument is not a network.');
end
if length(net.hint.noWeights)
error(sprintf('Layer %g has no weights.',net.hint.noWeights(1)))
end
switch nargin
case 2,[err,P,Pi,Ai,T,Q,TS,matrixForm] = simargs(net,P);
%SIMULATE NETWORK
%----------------
%Network outputs, final inputs
Y = Ac(net.hint.outputInd,net.numLayerDelays+[1:TS]);
El = calce(net,Ac,Tl,TS);
E = El(net.hint.targetInd,:);
%FORMAT OUTPUT ARGUMENTS
%-----------------------
if (matrixForm)
Y = cell2mat(Y);
if(net.numOutputs==0)
Y = zeros(size(Y,1),Q);
end
if nargout >= 4
E = cell2mat(E);
end
end
end
end
%===============================================
function[s2] = expandrows(s,ind,rows)
s2 = cell(rows,size(s,2));
s2(ind,:) = s;
%===============================================
function[err,P,Pi,Ai,T,Q,TS,matrixForm] = simargs(net,P,Pi,Ai,T);
err='';
%Check signals: all matrices or all cell arrays
%Change empty matrices/arrays to proper form
switch class(P)
case 'cell', matrixForm = 0; name = 'cell array'; default = {};
case 'double',matrixForm = 1; name = 'matrix'; default = [];
otherwise,err = 'P must be a matrix or cell array.'; return
end
%Check Matrices, Matrices -> Cell Arrays
if (matrixForm)
if (net.numInputs == 0)&all(size(P) == [1 1])
Q = P;
P = zeros(0,Q);
else
Q = size(P,2);
end
TS = 1;
[err,P] = format(net,P,Q);
if length(err)
return
end
%Check Cell Arrays
else
if (net.numInputs == 0)&all(size(P) == [1 2])
Q = P{1};
TS = P{2};
P = cell(0,TS);
else
TS = size(P,2);
if prod(size(P))
Q = size(P{1,1},2);
elseif prod(size(Pi))
Q = size(Pi{1,1},2);
elseif prod(size(Ai))
Q = size(Ai{1,1},2);
else
Q = 1;
end
end
[err] = checkp(net,P,Q,TS); if length(err), return, end
[err,Pi] = checkpi(net,Pi,Q); if length(err), return, end
[err,Ai] = checkai(net,Ai,TS); if length(err), return, end
[err,T] = checkt(net,T,Q,TS); if length(err), return, end
end
end
Для примера подадим на вход обученной сети зашумленный символ «а»
noisy1 = alphabet(:,1)+randn(256,1)*0.2;
A1 = sim(net,noisy1);
A1_1 = compet(A1);
answer = find(compet(A1) == 1);
figure
plot(x,A1,'r-',x,A1,'ro');
Выход сети:
Рисунок 3 Значение нейронов выходного слоя сети при предъявлении на ее вход символа «а»