Предметно ориентированные информационные системы

Лабораторная работа 4 % Вычисляем выход нелинейной части нейрона neuronoutput = feval(func, activation_potential); % Задаём входной вектор для диапазона от -10 до +10 с шагом 0.25 [pi, р2] = meshgrid(-10:.25:10); % Вычисляем вектор выхода нейрона z = feval(func, [pl(:) p2(:)]*w'+b); % Пересчёт вещественных чисел в воксели для SD-графика z = reshape(z, length(pl), length(p2)); % Строим график plot3(pl, р2, z); % Включаем сетку grid on; % Подписываем оси графика xlabel('Input 1'); ylabel('Input 2'); zlabel('Neuron output'); Разберём код. Команда close all закрывает все вспомогательные окна, которые могли быть открыты (окна различных мастеров, вроде nntool, не закрываются). Clear all удаляет все переменные из области workspace, clc - очищает область окна Command window, где будет набираться код. Format compact устанавливает формат отображения для чисел: так, для вещественных числе будет отображаться 4 точки после запятой. Веса задаются обычным вектором w = [4 -2], как видно, значения отделяются друг от друга пробелом, указывать тип не обязательно. Функция активации задаётся строкой 'tansig'. Далее идёт вычис­ление взвешенной суммы: скалярное произведение входа на веса и прибавка смещения. Векторы р и w нельзя просто так взять и пе­ремножить, т. к. по правилам линейной алгебры один из них должен быть транспонирован, что и делается с вектором w с помощью w ' . Можно посмотреть значение переменной, оно должно быть - 1 . Да­лее вычисляем функцию активации при входе, равном -1. Делаем это через fevalO- Как понятно из названия, функция вычисляет значение некоторой функции (первый параметр) от вектора входов (второй па­раметр). Причём, как и многие другие фунции Matlab, она перегру--51 -