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

POSTREG
Обработка отклика тренированной нейронной сети 
с использованием линейной регрессии

Синтаксис:

[m,b,r] = postreg(A,T)

Описание:

POSTREG - выполняет заключительную обработку выхода тренированной сети, вычисляя линейную регрессию между выходом сети и соответствующим эталоном.

Входные параметры:

  • A - 1xQ матрица выходов сети. Один элемент выхода сети;
  • T - 1xQ матрица эталонов. Один элемент вектора эталонов.

Выходные параметры:

  • M – Наклон линейной регрессии;
  • B – Пересечение оси Y графиком линейной регрессии;
  • R – Коэффициент корреляции. R=1 - означает абсолютную корреляцию.

Пример.

В этом примере мы нормируем набор обучающих данных с помощью PRESTD, выполняем преобразование главных компонент над нормированными данными с помощью функции PREPCA, создаем и обучаем сеть, используя нормированные данные, моделируем сеть, приводим выходные данные к ненормированному виду с помощью POSTSTD 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,meanp,stdp,tn,meant,stdt] = prestd(p,t);
[ptrans,transMat] = prepca(pn,0.02);
net = newff(minmax(ptrans),[5 1],{'tansig' 'purelin'},'trainlm');
net = train(net,ptrans,tn);
an = sim(net,ptrans);
a = poststd(an,meant,stdt);
[m,b,r] = postreg(a,t);

Алгоритм.

Вычисляет линейную регрессию между выходом сети и эталоном, а также вычисляет коэффициент корреляции (значение R) между выходом сети и эталоном.

  В оглавление \ К следующему разделу \ К предыдущему разделу

 

Поиск по сайту:

Система Orphus

Яндекс.Метрика