Figure(2)

plotsom(net.iw{1,1},net.layers{1}.distances)

a=sim(net,p)%опрос сети

Результат работы программы представлен на рис.6.19-6.20.

Рис. 6.19. Входные векторы

Рис. 6.20. Выявленные центры кластеров

Результат работы программы можно увидеть и в командном окне:

a =

(12,1) 1

Предъявленный вектор отнесен к двенадцатому кластеру.

Вывод (пример):

В ходе выполнения лабораторной работы я ознакомился с теоретическими сведениями, необходимыми для решения задачи кластеризации с помощью нейронной сети со слоем Кохонена. С использованием встроенных функций пакета нейронных сетей математической среды MATLAB была решена задача кластеризации весо-ростовых показателей. Также было рассмотрено использование самоорганизующей карты на примере двумерных векторов.

Контрольные вопросы:

1. Что понимается под кластеризацией?

2. Опишите встроенные операторы MATLAB для кластеризации.

3. Опишите сеть Кохонена.

4. Зачем используются самоорганизующиеся карты.

5. Опишите отличие сети Кохонена от SOM.

3.4. Рекуррентные нейронные сети Хопфилда и Хэмминга

Цель: Научиться использовать рекуррентные нейронные сети Хопфилда и Хэмминга.

Задание:Используя встроенные функции пакета нейронных сетей математической среды MATLAB рассмотреть использование рекуррентной нейронной сети Хопфилда на примере решения задачи ассоциативной памяти.

Пример выполнения:

Задача.Используя нейронную сеть Хопфилда из поданных на вход неидеальных сигналов восстановить соответствующий образец. Используя нейронную сеть Хэмминга из поданных на вход неидеальных сигналов восстановить номера соответствующих образцов.

NEWHOP(T) – функция создание рекуррентной сети Хопфилда, использует один входной аргумент, где Т – матрица размерностью RxQ, при этом Q – целевой вектор (значения должны быть +1 или -1), возвращает новую рекуррентную нейронную сеть Хопфилда со стабильными точками в векторе Т.

Рассмотрим сеть Хопфилда с четырьмя устойчивыми точками в двумерном пространстве:

T = [1 -1; -1 1; 1 1; -1 -1]'%определение 4 целевых стабильных точек

plot(T(1, : ),T(2, : ), '*r')

axis([-1.1 1.1 -1.1 1.1]);

net =newhop(T); % создание сети Хопфилда

W=net.LW{1,1}

b=net.b{1,1}

Ai = T;

Y=sim(net,4,[],Ai)

plot(T(1, : ),T(2, : ), '*r'), hold on

axis([-1.1 1.1 -1.1 1.1])

new=newhop(T);

[Y,Pf,Af]=sim(net,4,[],T); %опрос сети

for i=1:25

a={rands(2,1)}; %генерация случайного вектора

[Y,Pf,Af]=sim(net,{1,20},{},a);

record=[cell2mat(a),cell2mat(Y)]

start=cell2mat(a);