= 3;% дозволяє адаптацію мережі
while (sse (E))
[net, Y, E] = adapt (net, P, T);
linehandle = plotpc (net.IW {1}, net.b {1}, linehandle);; = [0.7; 1.2]; = net (p); (p, a); = findobj (gca, 'type', 'line'); (circle, 'Color', 'red'); on; (P, T);
plotpc (net.IW {1}, net.b {1});% зображення лінії класифікації у векторному просторі перцептрону; ([-2 2 -2 2]);% встановлює масштаб по осях x, y для активного графічного вікна.
Висновок
У ході роботи була досягнута мета виконання курсового проекту - розширення теоретичних і закріплення практичних знань, отриманих в ході аудиторних і самостійних занять з дисципліни Інтелектуальні інформаційні системи.
Для досягнення поставленої мети були вирішені наступні завдання:
В· самостійно вивчена спеціальна література;
В· вивчені вбудовані інструментальні засоби системи для математичних розрахунків MATLAB;
В· розглянуті можливості та особливості базового програмного забезпечення зі складу ППП NeuralNetworkToolbox (NNT) ПС MATLAB 6.
Список літератури
1.Мартинов М.М. Введення в MATLAB 6.х. - М.: Кудіц-образ, 2002. - 347 с. p>. Мінський, М., Пейперт, С. Персептрони. - М.: Мир, 2007. - 261 с. p>. Семенов Н.А. Інтелектуальні інформаційні системи: Навчальний посібник. 1-е вид. К.: ТДТУ, 2004. 100 с. p> 4.Цісарь І.Ф. MATLAB SIMULINK - лабораторія економіста. - М.: Анкіл, 2001. - 102 с. p>. Медведєв В.С., Потьомкін В.Г. Нейронні мережі. MATLAB 6. - М.: Діалог-МІФІ, 2002. - 489 с. p>. Галушкин А.І. Теорія нейронних мереж. - М.: Журн. Радіотехніка, 2000. - 415 с. p>. Каллан Р. Основні концепції нейронних мереж. - М.І ін: Вільямс, 2001. - 287 с. p>. Круглов В.В. Штучні нейронні мережі: Теорія і практика. - М.: Гаряча лінія-Телеком, 2002. - 381 с. br/>
