Самоорганизующиеся нейронные сети

Линейная сеть в Matlab

По команде help linnet можно получить следующую информацию об М-функциях, входящих в состав ППП Neural Network Toolbox и относящихся к построению линейных нейронных сетей:

Linear networks	Линейные сети
New networks	Формирование нейронной сети
newlind	Формирование линейного слоя
newlin	Формирование адаптируемого линейного слоя
Using networks	Работа с нейронной сетью
sim	Моделирование сети
init	Инициализация сети
adapt	Процедура адаптации
train	Процедура обучения
Weight functions	Функции взвешивания
dotprod	Скалярное произведение
Net input functions	Функции накопления
netsum	Сумма взвешенных входов
Transfer functions	Функции активации
purelin	Линейная
Initialization functions	Функции инициализации
initlay	Послойная инициализация
initwb	Инициализация весов и смещений
initzero	Инициализация нулевых весов и смещений
Performance	Функции оценки качества сети
mse	Среднеквадратичная погрешность
Learning	Функции настройки параметров персептрона
learnwh	Правило настройки WH
Adaption	Функции адаптации
adaptwb	Функция адаптации весов и смещений
Training	Функции обучения
trainwb	Функция обучения весов и смещений
Analysis functions	Функции анализа
maxlinlr	Оценка максимального значения параметра настройки
Demonstrations and applications	Демонстрационные примеры
demolin1	Пример функционирования линейной сети
demolin2	Обучение линейного нейрона
demolin3	Обучение линейного слоя
demolin4	Задача линейной аппроксимации
demolin5	Задача с неполными данными
demolin6	Задача с линейно зависимыми данными
demolin7	Оценка влияния параметра скорости настройки
demolin8	Адаптируемый линейный слой
applin1	Задача предсказания
applin2	Задача адаптивного предсказания
applin3	Идентификация линейной системы
applin4	Адаптивная идентификация линейной системы

В процессе анализа больших информационных массивов данных неизменно возникают задачи,связанные с исследованием топологической структуры данных, их объединением
в группы (кластеры), распределением по классам и т. п. Это могут быть экономические, финансовые, научно-технические, медицинские и другие приложения, где требуется решение таких практических задач, как сжатие данных, их хранение и поиск, определение характеристик объекта по ограниченному набору признаков. Такие задачи могут быть успешно решены с применением специального класса самоорганизующихся нейронных сетей.

Дата добавления: 2015-06-04