MATLAB.Exponenta
MATLAB и Simulink на русском
Технологии разработки и отладки
		сложных технических систем
 

Математика\Neural Network Toolbox Перейти на страницу содержания раздела

Список функций Neural NetworkToolbox: Функции предварительной и пост обработки

  В оглавление \ К следующему разделу \ К предыдущему разделу

POSTMNMX
Заключительная обработка данных,
которые были предварительно обработаны
с помощью программы PREMNMX

Синтаксис:

[p,t] = postmnmx(pn,minp,maxp,tn,mint,maxt)
[p] = postmnmx(pn,minp,maxp)

Описание:

POSTMNMX  выполняет заключительную обработку обучающих массивов сети, которые были предварительно обработаны процедурой PREMNMX. Другими словами, преобразует данные обратно к ненормированным значениям.

Входные параметры:

  • PN - RxQ – матрица нормированных входных векторов;
  • MINP - Rx1 – вектор минимумов для каждого P;
  • MAXP - Rx1 – вектор максимумов для каждого P;
  • TN - SxQ – матрица нормированных эталонных векторов;
  • MINT - Sx1 - вектор минимумов для каждого T;
  • MAXT - Sx1 - вектор максимумов для каждого T.

Выходные параметры:

  • P - RxQ – матрица входных векторов;
  • T - SxQ – матрица эталонных векторов.

Пример.

В этом примере мы нормируем набор обучающих данных с помощью PREMNMX, создаем и обучаем сеть, используя нормированные данные, моделируем сеть, приведим выходные данные к ненормированному виду с помощью POSTMNMX и, наконец, строим линейную регрессию между этими выходами и эталонами для того, чтобы проверить качество тренировки сети.

p = [-0.92 0.73 -0.47 0.74 0.29; -0.08 0.86 -0.67 -0.52 0.93];
t = [-0.08 3.4 -0.82 0.69 3.1];
[pn,minp,maxp,tn,mint,maxt] = premnmx(p,t);
net = newff(minmax(pn),[5 1],{'tansig' 'purelin'},'trainlm');
net = train(net,pn,tn);
an = sim(net,pn);
[a] = postmnmx(an,mint,maxt);
[m,b,r] = postreg(a,t);

Алгоритм.

p = 0.5(pn+1)*(maxp-minp) + minp.

  В оглавление \ К следующему разделу \ К предыдущему разделу

 

Поиск по сайту:

Система Orphus

Яндекс.Метрика