Код программы

Нейронная сеть Хопфилда в Matlab.

Архитектура сети

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

Hopfield recurrent networks	Рекуррентная модифицированная сеть Хопфилда
New networks	Формирование сети
newhop	Создание модифицированной сети Хопфилда
Weight functions	Операции с весовой функцией
dotprod	Скалярное произведение
Net input functions	Операции над входами
netsum	Суммирование
Transfer functions	Функции активации
satlins	Симметричная линейная функция с ограничениями
Demonstrations	Демонстрационные примеры
demohop1 demohop2 demohop3     demohop4	Пример двумерной модифицированной сети Хопфилда Пример неустойчивой точки равновесия Пример трехмерной модифицированной сети Хопфилда Пример устойчивых паразитных точек равновесия

Цель программы

Сеть Элмана исследуется на примере такой задачи детектирования амплитуды гармонического сигнала. Пусть известно, что на вход нейронной сети поступают выборки из некоторого набора синусоид. Требуется выделить значения амплитуд этих синусоид.

%Требуется выделить значения амплитуд этих синусоид.

%Далее рассматриваются выборки из набора двух синусоид с амплитудами 1.0 и 2.0:

p1 = sin(1:20);

p2 = sin(1:20)*2;

%Целевые выходы сети являются векторы

t1 = ones(1,20);

t2 = ones(1,20)*2;

%Сформированный набор векторов входа и целевых выходов

p = [p1 p2 p1 p2];

t = [t1 t2 t1 t2];

%Сформирование обучающих последовательностей в виде массивов ячеек:

Pseq = con2seq(p);

Tseq = con2seq(t);

R = 1; % Число элементов входа

S2 = 1;% Число нейронов выходного слоя

S1 = 10; % Число нейронов рекуррентного слоя

net = newelm([-2 2],[S1 S2],{'tansig','purelin'},'traingdx');

%Обучение сети

net.trainParam.epochs = 1000; %Максимальное количество эпох тренировки;

net.trainParam.show = 25; %Количество эпох между графиками;

net.trainParam.goal = 0.01; %Условие остановки по отклонению от эталона;

[net,tr] = train(net,Pseq,Tseq); % Pseq и Tseq входные элементы

%Проверка сети

%1 тестирование

figure(2)

a = sim(net,Pseq);

time = 1:length(p);

plot(time, t, '––', time, cat(2,a{:}))

axis([1 80 0.8 2.2]) % график 1

%2 тестирование

p3 = sin(1:20)*1.6;

t3 = ones(1,20)*1.6;

p4 = sin(1:20)*1.2;

t4 = ones(1,20)*1.2;

pg = [p3 p4 p3 p4];

tg = [t3 t4 t3 t4];

pgseq = con2seq(pg);

figure(3)

a = sim(net,pgseq);

ime = 1:length(pg);

plot(time, tg, '––', time, cat(2,a{:}))

axis([1 80 0.8 2.2]) % график 2

Дата добавления: 2015-06-04