Теоретическое введение. В последние годы наблюдается повышенный интерес к нейронным сетям, которые нашли применение в самых различных областях человеческой деятельности: бизнесе

В последние годы наблюдается повышенный интерес к нейронным сетям, которые нашли применение в самых различных областях человеческой деятельности: бизнесе, медицине, технике. Нейронные сети используются при решении задач прогнозирования, классификации, управления. Такой успех определяется следующими причинами:

• Нейронные сети - это исключительно мощный метод имитации процессов и явлений, позволяющий воспроизводить чрезвычайно сложные зависимости. Нейронные сети по свой природе являются нелинейными, в то время как на протяжении многих лет для построения моделей использовался линейный подход. Кроме того, во многих случаях нейронные сети позволяют преодолеть " проклятие размерности", обусловленное тем, что моделирование нелинейных явлений в случае большого числа переменных требует огромного количества вычислительных ресурсов.

• Другая особенность нейронных сетей связана с тем, что они используют механизм обучения. Пользователь нейронной сети подбирает представительные данные, а затем запускает алгоритм обучения, который автоматически настраивает параметры сети. При этом от пользователя требуется какой-то набор эвристических знаний о том, как следует отбирать и подготавливать данные, выбирать нужную архитектуру сети и интерпретировать результаты, однако уровень знаний, необходимый для успешного применения нейронных сетей, гораздо ниже чем при использовании традиционных методов.

ППП Neural Network Toolbox в системе MATLAB 6.1 служит средством, которое помогает пользователям развивать методы проектирования и расширять область применения нейронных сетей.

Нейронные сети обучаются выполнять сложные функции в различных областях приложений, включая распознавание образов, речи, а также идентификацию, классификацию объектов, системы технического зрения и системы управления. В этих случаях используются достаточно простые нейронные сети, но даже они оказываются мощным инструментом в арсенале специалиста.

В настоящее время могут быть построены искусственные нейронные сети для решения таких задач, которые являются трудными как для компьютеров, построенных по традиционной схеме, так и для человека.

Теория нейронных сетей нашла широкое применение только в последние 15 лет. Поэтому строгая терминология в области нейронных сетей еще не установилась. Этим теория нейронных сетей отличается от теории управления или оптимизации, где терминология, основные математические методы и процедуры проектирования выверены при решении практических задач в течение многих лет.

 

Задачи

1. Изучить назначение системы MATLAB 6.1 и её структуру.

2. Ознакомиться с работой системы MATLAB 6.1. Изучить основные функции пакета, меню, структуры данных, команды, язык программирования.

3. Изучить возможности математического моделирования в системе MATLAB 6.1. Рассмотреть тестовые примеры (входят в состав пакета).

4. Изучить библиотеку стандартных элементов (blockset) для создания моделей: ввод, вывод, передача данных, основные математические функции и операции.

5. Написать на языке системы MATLAB 6.1. функцию, реализующую вычисление математического выражения своего варианта (табл.1.1).

6. Создать модель, позволяющую вычислять значения функции. Протестировать модель для различных значений аргументов функции.

Содержание отчета

1. Описание назначения, функций и структуры системы

MATLAB 6.1.

2. Описание структуры данных, команд системы MATLAB 6.1.

3. Описание возможностей моделирования с помощью системы MATLAB 6.1.

4. Листинг программы, вычисляющей заданное выражение (программу оформить в виде функции).

5. Распечатка построенной модели.

Варианты задания

Таблица 1.1

	F(x, y)=x2 + y2 – 4		F(x, y)=min(x)+y2-1, x – вектор
	F(x, y)=2sin(x)+2cos(y)		F(x, y)=6x2+y-1
	F(x, y)=min(y)+2x-1, y – вектор		F(x, y)=e(x-2y-1)
	F(x, y)=5x-2y2+12		F(x, y)=2sin(x)-2cos(y)
	F(x, y)=e(x+2y)		F(x, y)=max(x)-y2+12, x – вектор
	F(x, y)=2cos(x)+sin(x2)		F(x, y)=x-2y2+10
	F(x, y)=4x-2y2+12		F(x, y)=ln(y-x2)
	F(x, y)=max(y)-x2+2, y - вектор		F(x, y)=tg(x)-2cos(y)
	F(x, y)=ln(x+2y2)		F(x, y)=min(y)+x/2-1, y – вектор
	F(x, y)=2x-4y+y2		F(x, y)=x2+3y-5
	F(x, y)=sin(x)+2cos(y)		F(x, y)=e(2xy)
	F(x, y)=х3-2х2-15у		F(x, y)=sin(4x)+cos(4y)
	F(x, y)= e(2x-y+10)

Контрольные вопросы

 

1. Каково назначение пакета MATLAB 6.1?

2. Какой основной тип данных в MATLAB 6.1?

3. Как задать значения переменным в MATLAB 6.1?

4. Как просмотреть значения переменных в MATLAB 6.1?

5. Как описать функцию на языке MATLAB 6.1?

6. Как создать модель для вычисления значения функции в

MATLAB 6.1?