Professional Documents
Culture Documents
Il tool di Matlab
Matlab mette a disposizione un utile tool per lo studio delle Reti Neurali.
Nel presente corso si fa riferimento alla versione di Matlab n 6 (Release 12).
Il file della guida sul tool
delle reti neurali
accessibile tramite la
finestra launch-pad
E possibile gestire le reti
neurali attraverso
uninterfaccia grafica che
pu essere richiamata
con un doppio-clic
sullicona del launch-pad
oppure digitando:
>> nntool
Nel prompt dei comandi
di Matlab
Ingressi
Uscite Calcolate
Uscite Desiderate
Reti Neurali
Per poter procedere alladdestramento della rete occorre definire gli insiemi di
riferimento, che nel caso specifico sono gli ingressi del training-set e le corrispondenti
uscite desiderate. Dal Network/Data Manager si preme il pulsante New Data, che fa
apparire la seguente finestra:
In questa si stabilisce il nome della variabile
che si sta creando, i valori numerici e la sua
funzione riguardo la rete, se cio si tratta di
ingressi, uscite desiderate, ritardi, uscite o
errori.
Come primo passo si definiscano gli ingressi.
Si ricordi che il numero di righe deve essere
pari al numero di neuroni dello strato di
ingresso della rete.
Come secondo passo si definiscano le uscite
desiderate. In questo caso il numero di righe
deve coincidere con il numero di neuroni dello
strato di uscita. Inoltre i valori devono essere
compatibili con le uscite delle funzioni di
trasferimento dei neuroni nellultimo strato.
Ora la rete network1 si trova su Matlab, come possiamo vedere digitando il comando:
>>whos
che fornisce lelenco di tutte le variabile presenti. Apparir la seguente schermata:
Name
Size
ans
1x1
network1
1x1
Bytes Class
8 double array
27926 network object
network1 =
initFcn: 'initlay'
performFcn: 'mse'
trainFcn: 'trainlm'
inputConnect: [1; 0]
layerConnect: [0 0; 1 0]
parameters:
outputConnect: [0 1]
targetConnect: [0 1]
adaptParam: .passes
initParam: (none)
numOutputs: 1 (read-only)
numTargets: 1 (read-only)
performParam: (none)
trainParam: .epochs, .goal, .max_fail, .mem_reduc,
.min_grad, .mu, .mu_dec, .mu_inc,
numInputDelays: 0 (read-only)
numLayerDelays: 0 (read-only)
subobject structures:
..
other: