owerSystem і Simulink. Розмірні величини, використовувані в пакеті PowerSystemBlockset, часто неприпустимі для блоків Simulink, що використовують безрозмірні величини (наприклад, при завданні функцій). p align="justify"> Мабуть, варто розумно обмежити застосування компонентів з різних пакетів розширення. Як показує практика, кожен з пакетів розширення має досить широку сферу застосування і дозволяє вирішувати безліч практично корисних завдань. Спільне застосування декількох пакетів розширення системи MATLAB + Simulink вимагає тривалої практики роботи в цій системі. Найменший ризик натрапити на труднощі моделювання має місце при використанні пакетів розширення групи Blockset, віднесеної до сфери прямого застосування з розширенням Simulink. p align="justify"> Важливою обставиною для користувачів MATLAB є той факт, що система ретельно діагностує підготовлену модель і допускає її виконання тільки після усунення всіх виявлених помилок. Повідомлення про помилки з'являються в спеціальних вікнах системи. Вони досить докладні і дозволяють намітити заходи щодо усунення помилок. p align="justify"> Тому варто відзначити, що приклади імітаційних моделей, наведені в літературі і в довідковій базі даних MATLAB, потребують не просто в перегляді, а в уважному їх вивченні, а також аналізі одержуваних вихідних результатів моделювання. br/>
2.2 Детальний опис особливостей виконання демонстраційного прикладу
Для завантаження демонстраційного прикладу В«Навчання персептрона з використанням нормованої функції настройкиВ» досить ввести в Command Window команду demop5. У вікні Figures з'явиться результат роботи програми - графік, який намагається класифікувати лінійно нероздільні вектора. Графік свідчить про невдачі класифікації. br/>В
Як же працює демонстраційний прикладВ« Навчання персептрона з використанням нормованої функції настройки В»? p align="justify"> Персептрон навчається для класифікації 5 вхідних векторів за допомогою 2 категорій. Незважаючи на те, що один вхідний вектор набагато більше, ніж інші, навчання з LEARNPN відбувається швидко. p align="justify"> Р визначає послідовність входу для 5 векторів, а Т - послідовність мети (категорію вектора). Побудуємо графік для цих векторів за допомогою функції PLOTPV. br/>
P = [-0.5 -0.5 +0.3 -0.1 -40; ... -0.5 +0.5 -0.5 +1.0 50];
T = [1 1 0 0 1];
plotpv (P, T);
В
Звернемо увагу, що 4 вхідних вектора мають набагато менші величини, ніж п'ятий вектор в лівому верхньому кутку графіка. Персептрон повинен правильно класифікувати 5 вхідних векторів P на дві категорії, визначені Т. NEWP створює персептрон. Перший аргумент визначає очікувані діапазони з двох входів. Другий аргумент визначає, що є тільки один нейрон в прошарку. LEARNPN менш чутливий до великих змін у вхідних розмірах вектора, ніж LEARNP (за замовчуванн...
