, 0).
. Підготувати навчальні послідовності у вигляді масивів комірок, використовуючи залежності 1 2 t = 2 p + p і чотири пари значень 1 p і 2 p (довільні):
P = {[-1; 1] [-1/3; 1/4] [1/2; 0] [1/6, 2/3]}; = { -1 -5/12 1 січня}.
3. Для угруповання подання навчальної послідовності перетворити масиви осередків в масиви чисел:
= [P {:}], T1 = [T {:}].
. Виконати команди net і gensim (net) , проаналізувати поля обчислювальної моделі і структурну схему мережі і записати в зошит значення полів, що визначають процес налаштування параметрів мережі (ваг і зміщень):
net.initFcn - функція для завдання початкових матриць ваг і векторів зміщень;
net.initParam - набір параметрів для функції initFcn , які можна визначити за допомогою команди help (net.initFcn), де nitFcn - задана функція ініціалізації: initcon, initlay, initnw,
initnwb, initzero;. adaptFcn - функція адаптації нейронної мережі, яка використовується при виклику методу adapt класу network: adaptwb або trains;
net.adaptParam - параметри функції адаптації, які визначаються за допомогою команди help (net.adaptFcn);
net.trainFcn - функція навчання нейронної мережі, яка використовується при виклику методу train класу network: trainb, trainbfg, traingbr, trainc, traincgb, traincgt, traincgp, trainngd, traingda, traingdm, traingdx, trainlm, trainoss, trainr, trainrp, trainscg;
net.trainParam - параметри функції навчання, які визначаються за допомогою команди help (net.trainFcn);
net.performFcn - функція оцінки якості навчання, використовувана при виклику методу train: mae, mse, msereg, sse;
net.performParam - параметри функції оцінки якості навчання, які визначаються за допомогою...
