Лабораторная работа № 10. Радиальные базисные сети типа PNN
Цели работы: 1) изучение архитектурных особенностей радиальных базисных нейронных сетей типа PNN и специальных функций для их создания, автоматической настройки весов и смещений и конкурирующей активации; ознакомление с демонстрационным примером и его скриптом; 2) приобретение навыков построения таких сетей для решения задач классификации на основе подсчёта вероятности принадлежности векторов к рассматриваемым классам и для решения других вероятностных задач.
Задание 1. Создать вероятностную нейронную сеть для обучающей последовательности, состоящей из вектора входа Р=[1 2 3 4 5 6 7] и индекса классов Тс=[1 2 3 2 2 3 1], проанализировать её структурную схему и параметры вычислительной модели, осуществить моделирование сети и оценить правильность классификации, выполнив следующие команды:
Р=[1 2 3 4 5 6 7]; % значения входа
Tc=[1 2 3 2 2 3 1]; % индексы классов (3)
T=ind2uec(Tc); % матрица связанности (целей)
net=newpnn(P,T); % создание сети PNN
gensim(net); % структура сети
net; % параметры сети
Y=sim(net,P); % моделирование сети
Yc=iecc2ind(Y); % классы входных векторов
% 1 2 3 2 2 3 1.
Задание 2. Создать вероятностную нейронную сеть для определения принадлежности двухэлементных входных векторов к одному из трёх классов на основании обучающей последовательности 7 входов Р[0 0; 1 1; 0 3; 1 4; 3 1; 4 1; 4 3] и индекса классов Тс=[1 1 2 2 3 3 3], значения в котором определяют класс соответствующего вектора входа, выполнив команды:
Р=[0 0; 1 1; 0 3; 1 4; 3 1; 4 1; 4 3 ]; % 7 векторов
Тс=[1 1 2 2 3 3 3]; % классы
T=ind2vec(Tc); % формирование разреженной матрицы
% связанности
T= full (T); % преобразование к полной матрице
net= newpnn; % создание вероятностной сети
net.layers {1}.size % число нейронов 1 –го слоя
net.layers {2}.size % число нейронов 2 –го слоя
Y= sim (net, P); % моделирование сети
Yc= vec2ind(Y); % формирование индекса классов
Pt= [1 3; 0 1; 5 2]’; % векторы для тестирования
A= sim (net, Pt); % тестирование сети
Ac= vec2ind (A); % формирование индекса классов
Задание 3. Проанализировать структурные схемы, значения параметров вычислительных моделей и результаты моделирования нейронных сетей, используемых в следующих демонстрационных примерах:
Demorb1 – радиальные базисные сети;
Demorb3 – использование не перекрывающихся функций активации (передаточных функций);
Demorb4 – использование перекрывающихся передаточных функций;
Demogrn1 – аппроксимация функций с помощью сети типа GRNN;
Demopnn1 – классификация векторов с помощью сети типа PNN.
Для анализа использовать скрипты примеров.