Laboratorul 1

1. Utilizai aplicaia Matlab pentru a modela functia f(x)=2x+1 cu ajutorul unei reele neuronale artificiale de tipul perceptronului cu 3 straturi. ndicatii! a. ale"ei un inter#al de #alori ale ar"umentului x $i calculai #alorile %=f(x) corespunz&toare x %=f(x) '( '+ ') ', '3 '( '2 '3 '1 '1 * 1 1 3 2 ( 3 , ) + ( 11

b. ale"ei pentru etapa de in#&are perec-i de #alori din 2 in 2! xt=[-5 -3 -1 1 3 5] yt=[-9 -5 -1 3 7 11] c. creai o reea neuronal& cu 3 straturi care s& aib&! ' 1 neuron n stratul de intrare ' ( neuroni n stratul intermediar ' 1 neuron n stratul de ie$ire ' funcia de acti#are pentru stratul intermediar ! funcia si"moid& (lo"si") ' funcia de acti#are pentru stratul final ! funcia identic& (purelin) ' metoda de instruire! .e#enber"'Mar/uardt (trainlm) net1=newff(xt,yt, 5, {'logsig',' urelin'!,'trainl"'#$ d. facei o instruire a 012 cu parametrii implicii. 3nainte de instruire afi$ai ace$ti parametri cu comanda net1%train&ara" 0ezultatul afi$&rii arat& ca mai jos! ans = epoc-s! 1** "oal! * max4fail! ( mem4reduc! 1

min4"rad! 1.****e'*1* mu! 1.****e'**3 mu4dec! *.1*** mu4inc! 1* mu4max! 1.****e+*1* s-o5! 2( time! nf nstruirea 012 se face cu comanda net1'traine(=train(net1,xt,yt#$ 6bser#ai condiia de oprire a al"oritmului7 eroarea atins& $i e#oluia acesteia pe parcursul instruirii.

2. 8u reeaua astfel instruit& simulai #alorile funciei f pe #alori ale ar"umentului x neluate n considerare n etapa de n#&are ! x=[-) -* + * )] Utilizai comanda ysi"=si"(net1'traine(,x#$ 3. 0eprezentai pe acela$i "rafic funcia f real& $i cea simulat&. ncercai dou& modalitati de trasare a "raficelor si anume! a. aplicatia 9:89. b. functia lot din M2;.2< b1) %=2=x+1> plot(x7%7?ro?)> -old all> plot(x7%sim7?b.?)> @2U b2) %=2=x+1> plot(x7%7?ro?7x7%sim7?b.?)>