ΠΡΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°Π½ΠΈΠ΅ Π½Π΅ΠΉΡΠΎΠ½Π½ΡΡ ΡΠ΅ΡΠ΅ΠΉ Π² ΡΠΈΡΡΠ΅ΠΌΠ΅ Matlab
ΠΡΠΎΠ³Π½ΠΎΠ·ΠΈΡΠΎΠ²Π°Π½ΠΈΠ΅ Π‘ΠΏΠΎΡΠΎΠ±Π½ΠΎΡΡΠΈ Π½Π΅ΠΉΡΠΎΠ½Π½ΠΎΠΉ ΡΠ΅ΡΠΈ ΠΊ ΠΏΡΠΎΠ³Π½ΠΎΠ·ΠΈΡΠΎΠ²Π°Π½ΠΈΡ Π½Π°ΠΏΡΡΠΌΡΡ ΡΠ»Π΅Π΄ΡΡΡ ΠΈΠ· Π΅Π΅ ΡΠΏΠΎΡΠΎΠ±Π½ΠΎΡΡΠΈ ΠΊ ΠΎΠ±ΠΎΠ±ΡΠ΅Π½ΠΈΡ ΠΈ Π²ΡΠ΄Π΅Π»Π΅Π½ΠΈΡ ΡΠΊΡΡΡΡΡ Π·Π°Π²ΠΈΡΠΈΠΌΠΎΡΡΠ΅ΠΉ ΠΌΠ΅ΠΆΠ΄Ρ Π²Ρ ΠΎΠ΄Π½ΡΠΌΠΈ ΠΈ Π²ΡΡ ΠΎΠ΄Π½ΡΠΌΠΈ Π΄Π°Π½Π½ΡΠΌΠΈ. ΠΠΎΡΠ»Π΅ ΠΎΠ±ΡΡΠ΅Π½ΠΈΡ ΡΠ΅ΡΡ ΡΠΏΠΎΡΠΎΠ±Π½Π° ΠΏΡΠ΅Π΄ΡΠΊΠ°Π·Π°ΡΡ Π±ΡΠ΄ΡΡΠ΅Π΅ Π·Π½Π°ΡΠ΅Π½ΠΈΠ΅ Π½Π΅ΠΊΠΎΠΉ ΠΏΠΎΡΠ»Π΅Π΄ΠΎΠ²Π°ΡΠ΅Π»ΡΠ½ΠΎΡΡΠΈ Π½Π° ΠΎΡΠ½ΠΎΠ²Π΅ Π½Π΅ΡΠΊΠΎΠ»ΡΠΊΠΈΡ ΠΏΡΠ΅Π΄ΡΠ΄ΡΡΠΈΡ Π·Π½Π°ΡΠ΅Π½ΠΈΠΉ ΠΈ/ΠΈΠ»ΠΈ ΠΊΠ°ΠΊΠΈΡ -ΡΠΎ ΡΡΡΠ΅ΡΡΠ²ΡΡΡΠΈΡ Π² Π½Π°ΡΡΠΎΡΡΠΈΠΉ ΠΌΠΎΠΌΠ΅Π½Ρ ΡΠ°ΠΊΡΠΎΡΠΎΠ². Π‘Π»Π΅Π΄ΡΠ΅Ρ ΠΎΡΠΌΠ΅ΡΠΈΡΡ, ΡΡΠΎ ΠΏΡΠΎΠ³Π½ΠΎΠ·ΠΈΡΠΎΠ²Π°Π½ΠΈΠ΅… Π§ΠΈΡΠ°ΡΡ Π΅ΡΡ >
ΠΡΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°Π½ΠΈΠ΅ Π½Π΅ΠΉΡΠΎΠ½Π½ΡΡ ΡΠ΅ΡΠ΅ΠΉ Π² ΡΠΈΡΡΠ΅ΠΌΠ΅ Matlab (ΡΠ΅ΡΠ΅ΡΠ°Ρ, ΠΊΡΡΡΠΎΠ²Π°Ρ, Π΄ΠΈΠΏΠ»ΠΎΠΌ, ΠΊΠΎΠ½ΡΡΠΎΠ»ΡΠ½Π°Ρ)
http://www..ru/
ΠΠΠ―Π‘ΠΠΠ’ΠΠΠ¬ΠΠΠ― ΠΠΠΠΠ‘ΠΠ Π ΠΠ£Π Π‘ΠΠΠΠ Π ΠΠΠΠ’Π ΠΠ‘ΠΠΠΠ¬ΠΠΠΠΠΠΠ ΠΠΠΠ ΠΠΠΠ«Π₯ Π‘ΠΠ’ΠΠ Π Π‘ΠΠ‘Π’ΠΠΠ MATLAB
ΠΏΠΎ Π΄ΠΈΡΡΠΈΠΏΠ»ΠΈΠ½Π΅: ΠΠΠ€ΠΠ ΠΠΠ¦ΠΠΠΠΠ«Π Π’ΠΠ₯ΠΠΠΠΠΠΠ
ΠΠ³Π»Π°Π²Π»Π΅Π½ΠΈΠ΅ ΠΠ²Π΅Π΄Π΅Π½ΠΈΠ΅
1. ΠΡΠΈΠΌΠ΅Π½Π΅Π½ΠΈΠ΅ Π½Π΅ΠΉΡΠΎΠ½Π½ΡΡ ΡΠ΅ΡΠ΅ΠΉ
1.1 Π Π°ΡΠΏΠΎΠ·Π½Π°Π²Π°Π½ΠΈΠ΅ ΠΎΠ±ΡΠ°Π·ΠΎΠ² ΠΈ ΠΊΠ»Π°ΡΡΠΈΡΠΈΠΊΠ°ΡΠΈΡ
1.2 ΠΡΠΈΠ½ΡΡΠΈΠ΅ ΡΠ΅ΡΠ΅Π½ΠΈΠΉ ΠΈ ΡΠΏΡΠ°Π²Π»Π΅Π½ΠΈΠ΅
1.3 ΠΠ»Π°ΡΡΠ΅ΡΠΈΠ·Π°ΡΠΈΡ
1.4 ΠΡΠΎΠ³Π½ΠΎΠ·ΠΈΡΠΎΠ²Π°Π½ΠΈΠ΅
1.5 ΠΠΏΡΠΎΠΊΡΠΈΠΌΠ°ΡΠΈΡ
1.6 Π‘ΠΆΠ°ΡΠΈΠ΅ Π΄Π°Π½Π½ΡΡ ΠΈ Π°ΡΡΠΎΡΠΈΠ°ΡΠΈΠ²Π½Π°Ρ ΠΏΠ°ΠΌΡΡΡ
2. ΠΠΈΠ½Π΅ΠΉΠ½ΡΠ΅ ΡΠ΅ΡΠΈ
3. Π‘Π°ΠΌΠΎΠΎΡΠ³Π°Π½ΠΈΠ·ΡΡΡΠΈΠ΅ΡΡ Π½Π΅ΠΉΡΠΎΠ½Π½ΡΠ΅ ΡΠ΅ΡΠΈ
3.1 ΠΠ΅ΠΉΡΠΎΠ½Π½Π°Ρ ΡΠ΅ΡΡ (ΠΠΎΡ ΠΎΠ½Π΅Π½Π°)
3.2 LVQ ΡΠ΅ΡΠΈ
4. Π Π°Π΄ΠΈΠ°Π»ΡΠ½ΡΠ΅ Π±Π°Π·ΠΈΡΠ½ΡΠ΅ ΡΠ΅ΡΠΈ
5. Π Π΅ΠΊΡΡΡΠ΅Π½ΡΠ½ΡΠ΅ ΡΠ΅ΡΠΈ
5.1 ΠΠ΅ΠΉΡΠΎΠ½Π½Π°Ρ ΡΠ΅ΡΡ (ΠΠ»ΠΌΠ°Π½Π°)
5.2 ΠΠ΅ΠΉΡΠΎΠ½Π½Π°Ρ ΡΠ΅ΡΡ (Π₯ΠΎΠΏΡΠΈΠ»Π΄Π°)
6. ΠΠΎΠ΄ ΠΏΡΠΎΠ³ΡΠ°ΠΌΠΌΡ ΠΠ°ΠΊΠ»ΡΡΠ΅Π½ΠΈΠ΅ ΠΡΠΏΠΎΠ»ΡΠ·ΡΠ΅ΠΌΠ°Ρ Π»ΠΈΡΠ΅ΡΠ°ΡΡΡΠ°
ΠΠ²Π΅Π΄Π΅Π½ΠΈΠ΅
Π’Π΅ΠΎΡΠΈΡ Π½Π΅ΠΉΡΠΎΠ½Π½ΡΡ ΡΠ΅ΡΠ΅ΠΉ Π²ΠΎΠ·Π½ΠΈΠΊΠ»Π° ΠΈΠ· ΠΈΡΡΠ»Π΅Π΄ΠΎΠ²Π°Π½ΠΈΠΉ Π² ΠΎΠ±Π»Π°ΡΡΠΈ ΠΈΡΠΊΡΡΡΡΠ²Π΅Π½Π½ΠΎΠ³ΠΎ ΠΈΠ½ΡΠ΅Π»Π»Π΅ΠΊΡΠ°, Π° ΠΈΠΌΠ΅Π½Π½ΠΎ ΠΈΠ· ΠΏΠΎΠΏΡΡΠΎΠΊ Π²ΠΎΡΠΏΡΠΎΠΈΠ·Π²Π΅ΡΡΠΈ ΡΠΏΠΎΡΠΎΠ±Π½ΠΎΡΡΡ Π½Π΅ΡΠ²Π½ΡΡ Π±ΠΈΠΎΠ»ΠΎΠ³ΠΈΡΠ΅ΡΠΊΠΈΡ ΡΠΈΡΡΠ΅ΠΌ ΠΎΠ±ΡΡΠ°ΡΡΡΡ ΠΈ ΠΈΡΠΏΡΠ°Π²Π»ΡΡΡ ΠΎΡΠΈΠ±ΠΊΠΈ, ΠΌΠΎΠ΄Π΅Π»ΠΈΡΡΡ Π½ΠΈΠ·ΠΊΠΎΡΡΠΎΠ²Π½Π΅Π²ΡΡ ΡΡΡΡΠΊΡΡΡΡ ΠΌΠΎΠ·Π³Π°. ΠΡΠ½ΠΎΠ²ΠΎΠΉ ΠΈΡΡΠ»Π΅Π΄ΠΎΠ²Π°Π½ΠΈΠΉ ΠΏΠΎ ΠΈΡΠΊΡΡΡΡΠ²Π΅Π½Π½ΠΎΠΌΡ ΠΈΠ½ΡΠ΅Π»Π»Π΅ΠΊΡΡ Π² 60−80-Π΅ Π³Π³. Π±ΡΠ»ΠΈ ΡΠΊΡΠΏΠ΅ΡΡΠ½ΡΠ΅ ΡΠΈΡΡΠ΅ΠΌΡ. Π’Π°ΠΊΠΈΠ΅ ΡΠΈΡΡΠ΅ΠΌΡ ΠΎΡΠ½ΠΎΠ²ΡΠ²Π°Π»ΠΈΡΡ Π½Π° Π²ΡΡΠΎΠΊΠΎΡΡΠΎΠ²Π½Π΅Π²ΠΎΠΌ ΠΌΠΎΠ΄Π΅Π»ΠΈΡΠΎΠ²Π°Π½ΠΈΠΈ ΠΏΡΠΎΡΠ΅ΡΡΠ° ΠΌΡΡΠ»Π΅Π½ΠΈΡ (Π² ΡΠ°ΡΡΠ½ΠΎΡΡΠΈ, Π½Π° ΠΏΡΠ΅Π΄ΡΡΠ°Π²Π»Π΅Π½ΠΈΠΈ, ΡΡΠΎ ΠΏΡΠΎΡΠ΅ΡΡ Π½Π°ΡΠ΅Π³ΠΎ ΠΌΡΡΠ»Π΅Π½ΠΈΡ ΠΏΠΎΡΡΡΠΎΠ΅Π½ Π½Π° ΠΌΠ°Π½ΠΈΠΏΡΠ»ΡΡΠΈΡΡ Ρ ΡΠΈΠΌΠ²ΠΎΠ»Π°ΠΌΠΈ).
Π’Π΅ΠΎΡΠΈΡ Π½Π΅ΠΉΡΠΎΠ½Π½ΡΡ ΡΠ΅ΡΠ΅ΠΉ Π²ΠΊΠ»ΡΡΠ°ΡΡ ΡΠΈΡΠΎΠΊΠΈΠΉ ΠΊΡΡΠ³ Π²ΠΎΠΏΡΠΎΡΠΎΠ² ΠΈΠ· ΡΠ°Π·Π½ΡΡ ΠΎΠ±Π»Π°ΡΡΠ΅ΠΉ Π½Π°ΡΠΊΠΈ: Π±ΠΈΠΎΡΠΈΠ·ΠΈΠΊΠΈ, ΠΌΠ°ΡΠ΅ΠΌΠ°ΡΠΈΠΊΠΈ, ΠΈΠ½ΡΠΎΡΠΌΠ°ΡΠΈΠΊΠΈ, ΡΡ Π΅ΠΌΠΎΡΠ΅Ρ Π½ΠΈΠΊΠΈ ΠΈ ΡΠ΅Ρ Π½ΠΎΠ»ΠΎΠ³ΠΈΠΈ. ΠΠΎΡΡΠΎΠΌΡ ΠΏΠΎΠ½ΡΡΠΈΠ΅ «Π½Π΅ΠΉΡΠΎΠ½Π½ΡΠ΅ ΡΠ΅ΡΠΈ» Π΄Π΅ΡΠ°Π»ΡΠ½ΠΎ ΠΎΠΏΡΠ΅Π΄Π΅Π»ΠΈΡΡ ΡΠ»ΠΎΠΆΠ½ΠΎ.
ΠΡΠΊΡΡΡΡΠ²Π΅Π½Π½ΡΠ΅ Π½Π΅ΠΉΡΠΎΠ½Π½ΡΠ΅ ΡΠ΅ΡΠΈ (ΠΠ‘) — ΡΠΎΠ²ΠΎΠΊΡΠΏΠ½ΠΎΡΡΡ ΠΌΠΎΠ΄Π΅Π»Π΅ΠΉ Π±ΠΈΠΎΠ»ΠΎΠ³ΠΈΡΠ΅ΡΠΊΠΈΡ Π½Π΅ΠΉΡΠΎΠ½Π½ΡΡ ΡΠ΅ΡΠ΅ΠΉ.
ΠΡΠ΅Π΄ΡΡΠ°Π²Π»ΡΡΡ ΡΠΎΠ±ΠΎΠΉ ΡΠ΅ΡΡ ΡΠ»Π΅ΠΌΠ΅Π½ΡΠΎΠ² — ΠΈΡΠΊΡΡΡΡΠ²Π΅Π½Π½ΡΡ Π½Π΅ΠΉΡΠΎΠ½ΠΎΠ² — ΡΠ²ΡΠ·Π°Π½Π½ΡΡ ΠΌΠ΅ΠΆΠ΄Ρ ΡΠΎΠ±ΠΎΠΉ ΡΠΈΠ½ΠΎΠΏΡΠΈΡΠ΅ΡΠΊΠΈΠΌΠΈ ΡΠΎΠ΅Π΄ΠΈΠ½Π΅Π½ΠΈΡΠΌΠΈ. Π‘Π΅ΡΡ ΠΎΠ±ΡΠ°Π±Π°ΡΡΠ²Π°Π΅Ρ Π²Ρ ΠΎΠ΄Π½ΡΡ ΠΈΠ½ΡΠΎΡΠΌΠ°ΡΠΈΡ ΠΈ Π² ΠΏΡΠΎΡΠ΅ΡΡΠ΅ ΠΈΠ·ΠΌΠ΅Π½Π΅Π½ΠΈΡ ΡΠ²ΠΎΠ΅Π³ΠΎ ΡΠΎΡΡΠΎΡΠ½ΠΈΡ Π²ΠΎ Π²ΡΠ΅ΠΌΠ΅Π½ΠΈ ΡΠΎΡΠΌΠΈΡΡΠ΅Ρ ΡΠΎΠ²ΠΎΠΊΡΠΏΠ½ΠΎΡΡΡ Π²ΡΡ ΠΎΠ΄Π½ΡΡ ΡΠΈΠ³Π½Π°Π»ΠΎΠ². Π Π°Π±ΠΎΡΠ° ΡΠ΅ΡΠΈ ΡΠΎΡΡΠΎΠΈΡ Π² ΠΏΡΠ΅ΠΎΠ±ΡΠ°Π·ΠΎΠ²Π°Π½ΠΈΠΈ Π²Ρ ΠΎΠ΄Π½ΡΡ ΡΠΈΠ³Π½Π°Π»ΠΎΠ² Π²ΠΎ Π²ΡΠ΅ΠΌΠ΅Π½ΠΈ, Π² ΡΠ΅Π·ΡΠ»ΡΡΠ°ΡΠ΅ ΡΠ΅Π³ΠΎ ΠΌΠ΅Π½ΡΠ΅ΡΡΡ Π²Π½ΡΡΡΠ΅Π½Π½Π΅Π΅ ΡΠΎΡΡΠΎΡΠ½ΠΈΠ΅ ΡΠ΅ΡΠΈ ΠΈ ΡΠΎΡΠΌΠΈΡΡΡΡΡΡ Π²ΡΡ ΠΎΠ΄Π½ΡΠ΅ Π²ΠΎΠ·Π΄Π΅ΠΉΡΡΠ²ΠΈΡ. ΠΠ±ΡΡΠ½ΠΎ ΠΠ‘ ΠΎΠΏΠ΅ΡΠΈΡΡΠ΅Ρ ΡΠΈΡΡΠΎΠ²ΡΠΌΠΈ, Π° Π½Π΅ ΡΠΈΠΌΠ²ΠΎΠ»ΡΠ½ΡΠΌΠΈ Π²Π΅Π»ΠΈΡΠΈΠ½Π°ΠΌΠΈ.
1. ΠΡΠΈΠΌΠ΅Π½Π΅Π½ΠΈΠ΅ Π½Π΅ΠΉΡΠΎΠ½Π½ΡΡ ΡΠ΅ΡΠ΅ΠΉ:
1.1 Π Π°ΡΠΏΠΎΠ·Π½Π°Π²Π°Π½ΠΈΠ΅ ΠΎΠ±ΡΠ°Π·ΠΎΠ² ΠΈ ΠΊΠ»Π°ΡΡΠΈΡΠΈΠΊΠ°ΡΠΈΡ Π ΠΊΠ°ΡΠ΅ΡΡΠ²Π΅ ΠΎΠ±ΡΠ°Π·ΠΎΠ² ΠΌΠΎΠ³ΡΡ Π²ΡΡΡΡΠΏΠ°ΡΡ ΡΠ°Π·Π»ΠΈΡΠ½ΡΠ΅ ΠΏΠΎ ΡΠ²ΠΎΠ΅ΠΉ ΠΏΡΠΈΡΠΎΠ΄Π΅ ΠΎΠ±ΡΠ΅ΠΊΡΡ: ΡΠΈΠΌΠ²ΠΎΠ»Ρ ΡΠ΅ΠΊΡΡΠ°, ΠΈΠ·ΠΎΠ±ΡΠ°ΠΆΠ΅Π½ΠΈΡ, ΠΎΠ±ΡΠ°Π·ΡΡ Π·Π²ΡΠΊΠΎΠ² ΠΈ Ρ. Π΄. ΠΡΠΈ ΠΎΠ±ΡΡΠ΅Π½ΠΈΠΈ ΡΠ΅ΡΠΈ ΠΏΡΠ΅Π΄Π»Π°Π³Π°ΡΡΡΡ ΡΠ°Π·Π»ΠΈΡΠ½ΡΠ΅ ΠΎΠ±ΡΠ°Π·ΡΡ ΠΎΠ±ΡΠ°Π·ΠΎΠ² Ρ ΡΠΊΠ°Π·Π°Π½ΠΈΠ΅ΠΌ ΡΠΎΠ³ΠΎ, ΠΊ ΠΊΠ°ΠΊΠΎΠΌΡ ΠΊΠ»Π°ΡΡΡ ΠΎΠ½ΠΈ ΠΎΡΠ½ΠΎΡΡΡΡΡ. ΠΠ±ΡΠ°Π·Π΅Ρ, ΠΊΠ°ΠΊ ΠΏΡΠ°Π²ΠΈΠ»ΠΎ, ΠΏΡΠ΅Π΄ΡΡΠ°Π²Π»ΡΠ΅ΡΡΡ ΠΊΠ°ΠΊ Π²Π΅ΠΊΡΠΎΡ Π·Π½Π°ΡΠ΅Π½ΠΈΠΉ ΠΏΡΠΈΠ·Π½Π°ΠΊΠΎΠ². ΠΡΠΈ ΡΡΠΎΠΌ ΡΠΎΠ²ΠΎΠΊΡΠΏΠ½ΠΎΡΡΡ Π²ΡΠ΅Ρ ΠΏΡΠΈΠ·Π½Π°ΠΊΠΎΠ² Π΄ΠΎΠ»ΠΆΠ½Π° ΠΎΠ΄Π½ΠΎΠ·Π½Π°ΡΠ½ΠΎ ΠΎΠΏΡΠ΅Π΄Π΅Π»ΡΡΡ ΠΊΠ»Π°ΡΡ, ΠΊ ΠΊΠΎΡΠΎΡΠΎΠΌΡ ΠΎΡΠ½ΠΎΡΠΈΡΡΡ ΠΎΠ±ΡΠ°Π·Π΅Ρ. Π ΡΠ»ΡΡΠ°Π΅, Π΅ΡΠ»ΠΈ ΠΏΡΠΈΠ·Π½Π°ΠΊΠΎΠ² Π½Π΅Π΄ΠΎΡΡΠ°ΡΠΎΡΠ½ΠΎ, ΡΠ΅ΡΡ ΠΌΠΎΠΆΠ΅Ρ ΡΠΎΠΎΡΠ½Π΅ΡΡΠΈ ΠΎΠ΄ΠΈΠ½ ΠΈ ΡΠΎΡ ΠΆΠ΅ ΠΎΠ±ΡΠ°Π·Π΅Ρ Ρ Π½Π΅ΡΠΊΠΎΠ»ΡΠΊΠΈΠΌΠΈ ΠΊΠ»Π°ΡΡΠ°ΠΌΠΈ, ΡΡΠΎ Π½Π΅Π²Π΅ΡΠ½ΠΎ. ΠΠΎ ΠΎΠΊΠΎΠ½ΡΠ°Π½ΠΈΠΈ ΠΎΠ±ΡΡΠ΅Π½ΠΈΡ ΡΠ΅ΡΠΈ Π΅ΠΉ ΠΌΠΎΠΆΠ½ΠΎ ΠΏΡΠ΅Π΄ΡΡΠ²Π»ΡΡΡ Π½Π΅ΠΈΠ·Π²Π΅ΡΡΠ½ΡΠ΅ ΡΠ°Π½Π΅Π΅ ΠΎΠ±ΡΠ°Π·Ρ ΠΈ ΠΏΠΎΠ»ΡΡΠ°ΡΡ ΠΎΡΠ²Π΅Ρ ΠΎ ΠΏΡΠΈΠ½Π°Π΄Π»Π΅ΠΆΠ½ΠΎΡΡΠΈ ΠΊ ΠΎΠΏΡΠ΅Π΄Π΅Π»ΡΠ½Π½ΠΎΠΌΡ ΠΊΠ»Π°ΡΡΡ.
Π’ΠΎΠΏΠΎΠ»ΠΎΠ³ΠΈΡ ΡΠ°ΠΊΠΎΠΉ ΡΠ΅ΡΠΈ Ρ Π°ΡΠ°ΠΊΡΠ΅ΡΠΈΠ·ΡΠ΅ΡΡΡ ΡΠ΅ΠΌ, ΡΡΠΎ ΠΊΠΎΠ»ΠΈΡΠ΅ΡΡΠ²ΠΎ Π½Π΅ΠΉΡΠΎΠ½ΠΎΠ² Π² Π²ΡΡ ΠΎΠ΄Π½ΠΎΠΌ ΡΠ»ΠΎΠ΅, ΠΊΠ°ΠΊ ΠΏΡΠ°Π²ΠΈΠ»ΠΎ, ΡΠ°Π²Π½ΠΎ ΠΊΠΎΠ»ΠΈΡΠ΅ΡΡΠ²Ρ ΠΎΠΏΡΠ΅Π΄Π΅Π»ΡΠ΅ΠΌΡΡ ΠΊΠ»Π°ΡΡΠΎΠ². ΠΡΠΈ ΡΡΠΎΠΌ ΡΡΡΠ°Π½Π°Π²Π»ΠΈΠ²Π°Π΅ΡΡΡ ΡΠΎΠΎΡΠ²Π΅ΡΡΡΠ²ΠΈΠ΅ ΠΌΠ΅ΠΆΠ΄Ρ Π²ΡΡ ΠΎΠ΄ΠΎΠΌ Π½Π΅ΠΉΡΠΎΠ½Π½ΠΎΠΉ ΡΠ΅ΡΠΈ ΠΈ ΠΊΠ»Π°ΡΡΠΎΠΌ, ΠΊΠΎΡΠΎΡΡΠΉ ΠΎΠ½ ΠΏΡΠ΅Π΄ΡΡΠ°Π²Π»ΡΠ΅Ρ. ΠΠΎΠ³Π΄Π° ΡΠ΅ΡΠΈ ΠΏΡΠ΅Π΄ΡΡΠ²Π»ΡΠ΅ΡΡΡ Π½Π΅ΠΊΠΈΠΉ ΠΎΠ±ΡΠ°Π·, Π½Π° ΠΎΠ΄Π½ΠΎΠΌ ΠΈΠ· Π΅Ρ Π²ΡΡ ΠΎΠ΄ΠΎΠ² Π΄ΠΎΠ»ΠΆΠ΅Π½ ΠΏΠΎΡΠ²ΠΈΡΡΡΡ ΠΏΡΠΈΠ·Π½Π°ΠΊ ΡΠΎΠ³ΠΎ, ΡΡΠΎ ΠΎΠ±ΡΠ°Π· ΠΏΡΠΈΠ½Π°Π΄Π»Π΅ΠΆΠΈΡ ΡΡΠΎΠΌΡ ΠΊΠ»Π°ΡΡΡ. Π ΡΠΎ ΠΆΠ΅ Π²ΡΠ΅ΠΌΡ Π½Π° Π΄ΡΡΠ³ΠΈΡ Π²ΡΡ ΠΎΠ΄Π°Ρ Π΄ΠΎΠ»ΠΆΠ΅Π½ Π±ΡΡΡ ΠΏΡΠΈΠ·Π½Π°ΠΊ ΡΠΎΠ³ΠΎ, ΡΡΠΎ ΠΎΠ±ΡΠ°Π· Π΄Π°Π½Π½ΠΎΠΌΡ ΠΊΠ»Π°ΡΡΡ Π½Π΅ ΠΏΡΠΈΠ½Π°Π΄Π»Π΅ΠΆΠΈΡ. ΠΡΠ»ΠΈ Π½Π° Π΄Π²ΡΡ ΠΈΠ»ΠΈ Π±ΠΎΠ»Π΅Π΅ Π²ΡΡ ΠΎΠ΄Π°Ρ Π΅ΡΡΡ ΠΏΡΠΈΠ·Π½Π°ΠΊ ΠΏΡΠΈΠ½Π°Π΄Π»Π΅ΠΆΠ½ΠΎΡΡΠΈ ΠΊ ΠΊΠ»Π°ΡΡΡ, ΡΡΠΈΡΠ°Π΅ΡΡΡ, ΡΡΠΎ ΡΠ΅ΡΡ «Π½Π΅ ΡΠ²Π΅ΡΠ΅Π½Π°» Π² ΡΠ²ΠΎΡΠΌ ΠΎΡΠ²Π΅ΡΠ΅.
1.2 ΠΡΠΈΠ½ΡΡΠΈΠ΅ ΡΠ΅ΡΠ΅Π½ΠΈΠΉ ΠΈ ΡΠΏΡΠ°Π²Π»Π΅Π½ΠΈΠ΅ ΠΡΠ° Π·Π°Π΄Π°ΡΠ° Π±Π»ΠΈΠ·ΠΊΠ° ΠΊ Π·Π°Π΄Π°ΡΠ΅ ΠΊΠ»Π°ΡΡΠΈΡΠΈΠΊΠ°ΡΠΈΠΈ. ΠΠ»Π°ΡΡΠΈΡΠΈΠΊΠ°ΡΠΈΠΈ ΠΏΠΎΠ΄Π»Π΅ΠΆΠ°Ρ ΡΠΈΡΡΠ°ΡΠΈΠΈ, Ρ Π°ΡΠ°ΠΊΡΠ΅ΡΠΈΡΡΠΈΠΊΠΈ ΠΊΠΎΡΠΎΡΡΡ ΠΏΠΎΡΡΡΠΏΠ°ΡΡ Π½Π° Π²Ρ ΠΎΠ΄ Π½Π΅ΠΉΡΠΎΠ½Π½ΠΎΠΉ ΡΠ΅ΡΠΈ. ΠΠ° Π²ΡΡ ΠΎΠ΄Π΅ ΡΠ΅ΡΠΈ ΠΏΡΠΈ ΡΡΠΎΠΌ Π΄ΠΎΠ»ΠΆΠ΅Π½ ΠΏΠΎΡΠ²ΠΈΡΡΡΡ ΠΏΡΠΈΠ·Π½Π°ΠΊ ΡΠ΅ΡΠ΅Π½ΠΈΡ, ΠΊΠΎΡΠΎΡΠΎΠ΅ ΠΎΠ½Π° ΠΏΡΠΈΠ½ΡΠ»Π°. ΠΡΠΈ ΡΡΠΎΠΌ Π² ΠΊΠ°ΡΠ΅ΡΡΠ²Π΅ Π²Ρ ΠΎΠ΄Π½ΡΡ ΡΠΈΠ³Π½Π°Π»ΠΎΠ² ΠΈΡΠΏΠΎΠ»ΡΠ·ΡΡΡΡΡ ΡΠ°Π·Π»ΠΈΡΠ½ΡΠ΅ ΠΊΡΠΈΡΠ΅ΡΠΈΠΈ ΠΎΠΏΠΈΡΠ°Π½ΠΈΡ ΡΠΎΡΡΠΎΡΠ½ΠΈΡ ΡΠΏΡΠ°Π²Π»ΡΠ΅ΠΌΠΎΠΉ ΡΠΈΡΡΠ΅ΠΌΡ.
1.3 ΠΠ»Π°ΡΡΠ΅ΡΠΈΠ·Π°ΡΠΈΡ ΠΠΎΠ΄ ΠΊΠ»Π°ΡΡΠ΅ΡΠΈΠ·Π°ΡΠΈΠ΅ΠΉ ΠΏΠΎΠ½ΠΈΠΌΠ°Π΅ΡΡΡ ΡΠ°Π·Π±ΠΈΠ΅Π½ΠΈΠ΅ ΠΌΠ½ΠΎΠΆΠ΅ΡΡΠ²Π° Π²Ρ ΠΎΠ΄Π½ΡΡ ΡΠΈΠ³Π½Π°Π»ΠΎΠ² Π½Π° ΠΊΠ»Π°ΡΡΡ, ΠΏΡΠΈ ΡΠΎΠΌ, ΡΡΠΎ Π½ΠΈ ΠΊΠΎΠ»ΠΈΡΠ΅ΡΡΠ²ΠΎ, Π½ΠΈ ΠΏΡΠΈΠ·Π½Π°ΠΊΠΈ ΠΊΠ»Π°ΡΡΠΎΠ² Π·Π°ΡΠ°Π½Π΅Π΅ Π½Π΅ ΠΈΠ·Π²Π΅ΡΡΠ½Ρ. ΠΠΎΡΠ»Π΅ ΠΎΠ±ΡΡΠ΅Π½ΠΈΡ ΡΠ°ΠΊΠ°Ρ ΡΠ΅ΡΡ ΡΠΏΠΎΡΠΎΠ±Π½Π° ΠΎΠΏΡΠ΅Π΄Π΅Π»ΡΡΡ, ΠΊ ΠΊΠ°ΠΊΠΎΠΌΡ ΠΊΠ»Π°ΡΡΡ ΠΎΡΠ½ΠΎΡΠΈΡΡΡ Π²Ρ ΠΎΠ΄Π½ΠΎΠΉ ΡΠΈΠ³Π½Π°Π». Π‘Π΅ΡΡ ΡΠ°ΠΊΠΆΠ΅ ΠΌΠΎΠΆΠ΅Ρ ΡΠΈΠ³Π½Π°Π»ΠΈΠ·ΠΈΡΠΎΠ²Π°ΡΡ ΠΎ ΡΠΎΠΌ, ΡΡΠΎ Π²Ρ ΠΎΠ΄Π½ΠΎΠΉ ΡΠΈΠ³Π½Π°Π» Π½Π΅ ΠΎΡΠ½ΠΎΡΠΈΡΡΡ Π½ΠΈ ΠΊ ΠΎΠ΄Π½ΠΎΠΌΡ ΠΈΠ· Π²ΡΠ΄Π΅Π»Π΅Π½Π½ΡΡ ΠΊΠ»Π°ΡΡΠΎΠ² — ΡΡΠΎ ΡΠ²Π»ΡΠ΅ΡΡΡ ΠΏΡΠΈΠ·Π½Π°ΠΊΠΎΠΌ Π½ΠΎΠ²ΡΡ , ΠΎΡΡΡΡΡΡΠ²ΡΡΡΠΈΡ Π² ΠΎΠ±ΡΡΠ°ΡΡΠ΅ΠΉ Π²ΡΠ±ΠΎΡΠΊΠ΅, Π΄Π°Π½Π½ΡΡ . Π’Π°ΠΊΠΈΠΌ ΠΎΠ±ΡΠ°Π·ΠΎΠΌ, ΠΏΠΎΠ΄ΠΎΠ±Π½Π°Ρ ΡΠ΅ΡΡ ΠΌΠΎΠΆΠ΅Ρ Π²ΡΡΠ²Π»ΡΡΡ Π½ΠΎΠ²ΡΠ΅, Π½Π΅ΠΈΠ·Π²Π΅ΡΡΠ½ΡΠ΅ ΡΠ°Π½Π΅Π΅ ΠΊΠ»Π°ΡΡΡ ΡΠΈΠ³Π½Π°Π»ΠΎΠ². Π‘ΠΎΠΎΡΠ²Π΅ΡΡΡΠ²ΠΈΠ΅ ΠΌΠ΅ΠΆΠ΄Ρ ΠΊΠ»Π°ΡΡΠ°ΠΌΠΈ, Π²ΡΠ΄Π΅Π»Π΅Π½Π½ΡΠΌΠΈ ΡΠ΅ΡΡΡ, ΠΈ ΠΊΠ»Π°ΡΡΠ°ΠΌΠΈ, ΡΡΡΠ΅ΡΡΠ²ΡΡΡΠΈΠΌΠΈ Π² ΠΏΡΠ΅Π΄ΠΌΠ΅ΡΠ½ΠΎΠΉ ΠΎΠ±Π»Π°ΡΡΠΈ, ΡΡΡΠ°Π½Π°Π²Π»ΠΈΠ²Π°Π΅ΡΡΡ ΡΠ΅Π»ΠΎΠ²Π΅ΠΊΠΎΠΌ. ΠΠ»Π°ΡΡΠ΅ΡΠΈΠ·Π°ΡΠΈΡ ΠΎΡΡΡΠ΅ΡΡΠ²Π»ΡΡΡ Π½Π°ΠΏΡΠΈΠΌΠ΅Ρ, Π½Π΅ΠΉΡΠΎΠ½Π½ΡΠ΅ ΡΠ΅ΡΠΈ ΠΠΎΡ ΠΎΠ½Π΅Π½Π°.
1.4 ΠΡΠΎΠ³Π½ΠΎΠ·ΠΈΡΠΎΠ²Π°Π½ΠΈΠ΅ Π‘ΠΏΠΎΡΠΎΠ±Π½ΠΎΡΡΠΈ Π½Π΅ΠΉΡΠΎΠ½Π½ΠΎΠΉ ΡΠ΅ΡΠΈ ΠΊ ΠΏΡΠΎΠ³Π½ΠΎΠ·ΠΈΡΠΎΠ²Π°Π½ΠΈΡ Π½Π°ΠΏΡΡΠΌΡΡ ΡΠ»Π΅Π΄ΡΡΡ ΠΈΠ· Π΅Π΅ ΡΠΏΠΎΡΠΎΠ±Π½ΠΎΡΡΠΈ ΠΊ ΠΎΠ±ΠΎΠ±ΡΠ΅Π½ΠΈΡ ΠΈ Π²ΡΠ΄Π΅Π»Π΅Π½ΠΈΡ ΡΠΊΡΡΡΡΡ Π·Π°Π²ΠΈΡΠΈΠΌΠΎΡΡΠ΅ΠΉ ΠΌΠ΅ΠΆΠ΄Ρ Π²Ρ ΠΎΠ΄Π½ΡΠΌΠΈ ΠΈ Π²ΡΡ ΠΎΠ΄Π½ΡΠΌΠΈ Π΄Π°Π½Π½ΡΠΌΠΈ. ΠΠΎΡΠ»Π΅ ΠΎΠ±ΡΡΠ΅Π½ΠΈΡ ΡΠ΅ΡΡ ΡΠΏΠΎΡΠΎΠ±Π½Π° ΠΏΡΠ΅Π΄ΡΠΊΠ°Π·Π°ΡΡ Π±ΡΠ΄ΡΡΠ΅Π΅ Π·Π½Π°ΡΠ΅Π½ΠΈΠ΅ Π½Π΅ΠΊΠΎΠΉ ΠΏΠΎΡΠ»Π΅Π΄ΠΎΠ²Π°ΡΠ΅Π»ΡΠ½ΠΎΡΡΠΈ Π½Π° ΠΎΡΠ½ΠΎΠ²Π΅ Π½Π΅ΡΠΊΠΎΠ»ΡΠΊΠΈΡ ΠΏΡΠ΅Π΄ΡΠ΄ΡΡΠΈΡ Π·Π½Π°ΡΠ΅Π½ΠΈΠΉ ΠΈ/ΠΈΠ»ΠΈ ΠΊΠ°ΠΊΠΈΡ -ΡΠΎ ΡΡΡΠ΅ΡΡΠ²ΡΡΡΠΈΡ Π² Π½Π°ΡΡΠΎΡΡΠΈΠΉ ΠΌΠΎΠΌΠ΅Π½Ρ ΡΠ°ΠΊΡΠΎΡΠΎΠ². Π‘Π»Π΅Π΄ΡΠ΅Ρ ΠΎΡΠΌΠ΅ΡΠΈΡΡ, ΡΡΠΎ ΠΏΡΠΎΠ³Π½ΠΎΠ·ΠΈΡΠΎΠ²Π°Π½ΠΈΠ΅ Π²ΠΎΠ·ΠΌΠΎΠΆΠ½ΠΎ ΡΠΎΠ»ΡΠΊΠΎ ΡΠΎΠ³Π΄Π°, ΠΊΠΎΠ³Π΄Π° ΠΏΡΠ΅Π΄ΡΠ΄ΡΡΠΈΠ΅ ΠΈΠ·ΠΌΠ΅Π½Π΅Π½ΠΈΡ Π΄Π΅ΠΉΡΡΠ²ΠΈΡΠ΅Π»ΡΠ½ΠΎ Π² ΠΊΠ°ΠΊΠΎΠΉ-ΡΠΎ ΡΡΠ΅ΠΏΠ΅Π½ΠΈ ΠΏΡΠ΅Π΄ΠΎΠΏΡΠ΅Π΄Π΅Π»ΡΡΡ Π±ΡΠ΄ΡΡΠΈΠ΅. ΠΠ°ΠΏΡΠΈΠΌΠ΅Ρ, ΠΏΡΠΎΠ³Π½ΠΎΠ·ΠΈΡΠΎΠ²Π°Π½ΠΈΠ΅ ΠΊΠΎΡΠΈΡΠΎΠ²ΠΎΠΊ Π°ΠΊΡΠΈΠΉ Π½Π° ΠΎΡΠ½ΠΎΠ²Π΅ ΠΊΠΎΡΠΈΡΠΎΠ²ΠΎΠΊ Π·Π° ΠΏΡΠΎΡΠ»ΡΡ Π½Π΅Π΄Π΅Π»Ρ ΠΌΠΎΠΆΠ΅Ρ ΠΎΠΊΠ°Π·Π°ΡΡΡΡ ΡΡΠΏΠ΅ΡΠ½ΡΠΌ (Π° ΠΌΠΎΠΆΠ΅Ρ ΠΈ Π½Π΅ ΠΎΠΊΠ°Π·Π°ΡΡΡΡ), ΡΠΎΠ³Π΄Π° ΠΊΠ°ΠΊ ΠΏΡΠΎΠ³Π½ΠΎΠ·ΠΈΡΠΎΠ²Π°Π½ΠΈΠ΅ ΡΠ΅Π·ΡΠ»ΡΡΠ°ΡΠΎΠ² Π·Π°Π²ΡΡΠ°ΡΠ½Π΅ΠΉ Π»ΠΎΡΠ΅ΡΠ΅ΠΈ Π½Π° ΠΎΡΠ½ΠΎΠ²Π΅ Π΄Π°Π½Π½ΡΡ Π·Π° ΠΏΠΎΡΠ»Π΅Π΄Π½ΠΈΠ΅ 50 Π»Π΅Ρ ΠΏΠΎΡΡΠΈ Π½Π°Π²Π΅ΡΠ½ΡΠΊΠ° Π½Π΅ Π΄Π°ΡΡ Π½ΠΈΠΊΠ°ΠΊΠΈΡ ΡΠ΅Π·ΡΠ»ΡΡΠ°ΡΠΎΠ².
1.6 ΠΠΏΠΏΡΠΎΠΊΡΠΈΠΌΠ°ΡΠΈΡ ΠΠ΅ΠΉΡΠΎΠ½Π½ΡΠ΅ ΡΠ΅ΡΠΈ ΠΌΠΎΠ³ΡΡ Π°ΠΏΠΏΡΠΎΠΊΡΠΈΠΌΠΈΡΠΎΠ²Π°ΡΡ Π½Π΅ΠΏΡΠ΅ΡΡΠ²Π½ΡΠ΅ ΡΡΠ½ΠΊΡΠΈΠΈ. ΠΠΎΠΊΠ°Π·Π°Π½Π° ΠΎΠ±ΠΎΠ±ΡΡΠ½Π½Π°Ρ Π°ΠΏΠΏΡΠΎΠΊΡΠΈΠΌΠ°ΡΠΈΠΎΠ½Π½Π°Ρ ΡΠ΅ΠΎΡΠ΅ΠΌΠ°: Ρ ΠΏΠΎΠΌΠΎΡΡΡ Π»ΠΈΠ½Π΅ΠΉΠ½ΡΡ ΠΎΠΏΠ΅ΡΠ°ΡΠΈΠΉ ΠΈ ΠΊΠ°ΡΠΊΠ°Π΄Π½ΠΎΠ³ΠΎ ΡΠΎΠ΅Π΄ΠΈΠ½Π΅Π½ΠΈΡ ΠΌΠΎΠΆΠ½ΠΎ ΠΈΠ· ΠΏΡΠΎΠΈΠ·Π²ΠΎΠ»ΡΠ½ΠΎΠ³ΠΎ Π½Π΅Π»ΠΈΠ½Π΅ΠΉΠ½ΠΎΠ³ΠΎ ΡΠ»Π΅ΠΌΠ΅Π½ΡΠ° ΠΏΠΎΠ»ΡΡΠΈΡΡ ΡΡΡΡΠΎΠΉΡΡΠ²ΠΎ, Π²ΡΡΠΈΡΠ»ΡΡΡΠ΅Π΅ Π»ΡΠ±ΡΡ Π½Π΅ΠΏΡΠ΅ΡΡΠ²Π½ΡΡ ΡΡΠ½ΠΊΡΠΈΡ Ρ Π½Π΅ΠΊΠΎΡΠΎΡΠΎΠΉ Π½Π°ΠΏΠ΅ΡΡΠ΄ Π·Π°Π΄Π°Π½Π½ΠΎΠΉ ΡΠΎΡΠ½ΠΎΡΡΡΡ. ΠΡΠΎ ΠΎΠ·Π½Π°ΡΠ°Π΅Ρ, ΡΡΠΎ Π½Π΅Π»ΠΈΠ½Π΅ΠΉΠ½Π°Ρ Ρ Π°ΡΠ°ΠΊΡΠ΅ΡΠΈΡΡΠΈΠΊΠ° Π½Π΅ΠΉΡΠΎΠ½Π° ΠΌΠΎΠΆΠ΅Ρ Π±ΡΡΡ ΠΏΡΠΎΠΈΠ·Π²ΠΎΠ»ΡΠ½ΠΎΠΉ: ΠΎΡ ΡΠΈΠ³ΠΌΠΎΠΈΠ΄Π°Π»ΡΠ½ΠΎΠΉ Π΄ΠΎ ΠΏΡΠΎΠΈΠ·Π²ΠΎΠ»ΡΠ½ΠΎΠ³ΠΎ Π²ΠΎΠ»Π½ΠΎΠ²ΠΎΠ³ΠΎ ΠΏΠ°ΠΊΠ΅ΡΠ° ΠΈΠ»ΠΈ Π²Π΅ΠΉΠ²Π»Π΅ΡΠ°, ΡΠΈΠ½ΡΡΠ° ΠΈΠ»ΠΈ ΠΌΠ½ΠΎΠ³ΠΎΡΠ»Π΅Π½Π°. ΠΡ Π²ΡΠ±ΠΎΡΠ° Π½Π΅Π»ΠΈΠ½Π΅ΠΉΠ½ΠΎΠΉ ΡΡΠ½ΠΊΡΠΈΠΈ ΠΌΠΎΠΆΠ΅Ρ Π·Π°Π²ΠΈΡΠ΅ΡΡ ΡΠ»ΠΎΠΆΠ½ΠΎΡΡΡ ΠΊΠΎΠ½ΠΊΡΠ΅ΡΠ½ΠΎΠΉ ΡΠ΅ΡΠΈ, Π½ΠΎ Ρ Π»ΡΠ±ΠΎΠΉ Π½Π΅Π»ΠΈΠ½Π΅ΠΉΠ½ΠΎΡΡΡΡ ΡΠ΅ΡΡ ΠΎΡΡΠ°ΡΡΡΡ ΡΠ½ΠΈΠ²Π΅ΡΡΠ°Π»ΡΠ½ΡΠΌ Π°ΠΏΠΏΡΠΎΠΊΡΠΈΠΌΠ°ΡΠΎΡΠΎΠΌ ΠΈ ΠΏΡΠΈ ΠΏΡΠ°Π²ΠΈΠ»ΡΠ½ΠΎΠΌ Π²ΡΠ±ΠΎΡΠ΅ ΡΡΡΡΠΊΡΡΡΡ ΠΌΠΎΠΆΠ΅Ρ Π΄ΠΎΡΡΠ°ΡΠΎΡΠ½ΠΎ ΡΠΎΡΠ½ΠΎ Π°ΠΏΠΏΡΠΎΠΊΡΠΈΠΌΠΈΡΠΎΠ²Π°ΡΡ ΡΡΠ½ΠΊΡΠΈΠΎΠ½ΠΈΡΠΎΠ²Π°Π½ΠΈΠ΅ Π»ΡΠ±ΠΎΠ³ΠΎ Π½Π΅ΠΏΡΠ΅ΡΡΠ²Π½ΠΎΠ³ΠΎ Π°Π²ΡΠΎΠΌΠ°ΡΠ°.
1.6 Π‘ΠΆΠ°ΡΠΈΠ΅ Π΄Π°Π½Π½ΡΡ ΠΈ Π°ΡΡΠΎΡΠΈΠ°ΡΠΈΠ²Π½Π°Ρ ΠΏΠ°ΠΌΡΡΡ Π‘ΠΏΠΎΡΠΎΠ±Π½ΠΎΡΡΡ Π½Π΅ΠΉΡΠΎΡΠ΅ΡΠ΅ΠΉ ΠΊ Π²ΡΡΠ²Π»Π΅Π½ΠΈΡ Π²Π·Π°ΠΈΠΌΠΎΡΠ²ΡΠ·Π΅ΠΉ ΠΌΠ΅ΠΆΠ΄Ρ ΡΠ°Π·Π»ΠΈΡΠ½ΡΠΌΠΈ ΠΏΠ°ΡΠ°ΠΌΠ΅ΡΡΠ°ΠΌΠΈ Π΄Π°Π΅Ρ Π²ΠΎΠ·ΠΌΠΎΠΆΠ½ΠΎΡΡΡ Π²ΡΡΠ°Π·ΠΈΡΡ Π΄Π°Π½Π½ΡΠ΅ Π±ΠΎΠ»ΡΡΠΎΠΉ ΡΠ°Π·ΠΌΠ΅ΡΠ½ΠΎΡΡΠΈ Π±ΠΎΠ»Π΅Π΅ ΠΊΠΎΠΌΠΏΠ°ΠΊΡΠ½ΠΎ, Π΅ΡΠ»ΠΈ Π΄Π°Π½Π½ΡΠ΅ ΡΠ΅ΡΠ½ΠΎ Π²Π·Π°ΠΈΠΌΠΎΡΠ²ΡΠ·Π°Π½Ρ Π΄ΡΡΠ³ Ρ Π΄ΡΡΠ³ΠΎΠΌ. ΠΠ±ΡΠ°ΡΠ½ΡΠΉ ΠΏΡΠΎΡΠ΅ΡΡ — Π²ΠΎΡΡΡΠ°Π½ΠΎΠ²Π»Π΅Π½ΠΈΠ΅ ΠΈΡΡ ΠΎΠ΄Π½ΠΎΠ³ΠΎ Π½Π°Π±ΠΎΡΠ° Π΄Π°Π½Π½ΡΡ ΠΈΠ· ΡΠ°ΡΡΠΈ ΠΈΠ½ΡΠΎΡΠΌΠ°ΡΠΈΠΈ — Π½Π°Π·ΡΠ²Π°Π΅ΡΡΡ (Π°Π²ΡΠΎ)Π°ΡΡΠΎΡΠΈΠ°ΡΠΈΠ²Π½ΠΎΠΉ ΠΏΠ°ΠΌΡΡΡΡ. ΠΡΡΠΎΡΠΈΠ°ΡΠΈΠ²Π½Π°Ρ ΠΏΠ°ΠΌΡΡΡ ΠΏΠΎΠ·Π²ΠΎΠ»ΡΠ΅Ρ ΡΠ°ΠΊΠΆΠ΅ Π²ΠΎΡΡΡΠ°Π½Π°Π²Π»ΠΈΠ²Π°ΡΡ ΠΈΡΡ ΠΎΠ΄Π½ΡΠΉ ΡΠΈΠ³Π½Π°Π»/ΠΎΠ±ΡΠ°Π· ΠΈΠ· Π·Π°ΡΡΠΌΠ»Π΅Π½Π½ΡΡ /ΠΏΠΎΠ²ΡΠ΅ΠΆΠ΄Π΅Π½Π½ΡΡ Π²Ρ ΠΎΠ΄Π½ΡΡ Π΄Π°Π½Π½ΡΡ . Π Π΅ΡΠ΅Π½ΠΈΠ΅ Π·Π°Π΄Π°ΡΠΈ Π³Π΅ΡΠ΅ΡΠΎΠ°ΡΡΠΎΡΠΈΠ°ΡΠΈΠ²Π½ΠΎΠΉ ΠΏΠ°ΠΌΡΡΠΈ ΠΏΠΎΠ·Π²ΠΎΠ»ΡΠ΅Ρ ΡΠ΅Π°Π»ΠΈΠ·ΠΎΠ²Π°ΡΡ ΠΏΠ°ΠΌΡΡΡ, Π°Π΄ΡΠ΅ΡΡΠ΅ΠΌΡΡ ΠΏΠΎ ΡΠΎΠ΄Π΅ΡΠΆΠΈΠΌΠΎΠΌΡ.
Neural Network Toolbox — ΡΡΠΎ ΠΏΠ°ΠΊΠ΅Ρ ΡΠ°ΡΡΠΈΡΠ΅Π½ΠΈΡ MATLAB, ΡΠΎΠ΄Π΅ΡΠΆΠ°ΡΠΈΠΉ ΡΡΠ΅Π΄ΡΡΠ²Π° Π΄Π»Ρ ΠΏΡΠΎΠ΅ΠΊΡΠΈΡΠΎΠ²Π°Π½ΠΈΡ, ΠΌΠΎΠ΄Π΅Π»ΠΈΡΠΎΠ²Π°Π½ΠΈΡ, ΡΠ°Π·ΡΠ°Π±ΠΎΡΠΊΠΈ ΠΈ Π²ΠΈΠ·ΡΠ°Π»ΠΈΠ·Π°ΡΠΈΠΈ Π½Π΅ΠΉΡΠΎΠ½Π½ΡΡ ΡΠ΅ΡΠ΅ΠΉ.
ΠΠ΅ΠΉΡΠΎΡΠ΅ΡΠ΅Π²ΡΠ΅ ΡΠ΅Ρ Π½ΠΎΠ»ΠΎΠ³ΠΈΠΈ ΠΏΠΎΠ·Π²ΠΎΠ»ΡΡΡ ΡΠ΅ΡΠ°ΡΡ ΡΠ°ΠΊΠΈΠ΅ Π·Π°Π΄Π°ΡΠΈ, ΡΠ΅ΡΠ΅Π½ΠΈΠ΅ ΠΊΠΎΡΠΎΡΡΡ ΠΊΠ»Π°ΡΡΠΈΡΠ΅ΡΠΊΠΈΠΌΠΈ ΡΠΎΡΠΌΠ°Π»ΡΠ½ΡΠΌΠΈ ΠΌΠ΅ΡΠΎΠ΄Π°ΠΌΠΈ Π·Π°ΡΡΡΠ΄Π½Π΅Π½ΠΎ ΠΈΠ»ΠΈ Π½Π΅ Π²ΠΎΠ·ΠΌΠΎΠΆΠ½ΠΎ. ΠΠ°ΠΊΠ΅Ρ ΠΎΠ±Π΅ΡΠΏΠ΅ΡΠΈΠ²Π°Π΅Ρ Π²ΡΠ΅ΡΡΠΎΡΠΎΠ½Π½ΡΡ ΠΏΠΎΠ΄Π΄Π΅ΡΠΆΠΊΡ ΡΠΈΠΏΠΎΠ²ΡΡ Π½Π΅ΠΉΡΠΎΡΠ΅ΡΠ΅Π²ΡΡ ΠΏΠ°ΡΠ°Π΄ΠΈΠ³ΠΌ ΠΈ ΠΈΠΌΠ΅Π΅Ρ ΠΎΡΠΊΡΡΡΡΡ ΠΌΠΎΠ΄ΡΠ»ΡΠ½ΡΡ Π°ΡΡ ΠΈΡΠ΅ΠΊΡΡΡΡ. ΠΠ°ΠΊΠ΅Ρ ΡΠΎΠ΄Π΅ΡΠΆΠΈΡ ΡΡΠ½ΠΊΡΠΈΠΈ ΠΊΠΎΠΌΠ°Π½Π΄Π½ΠΎΠΉ ΡΡΡΠΎΠΊΠΈ ΠΈ Π³ΡΠ°ΡΠΈΡΠ΅ΡΠΊΠΈΠΉ ΠΈΠ½ΡΠ΅ΡΡΠ΅ΠΉΡ ΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°ΡΠ΅Π»Ρ Π΄Π»Ρ Π±ΡΡΡΡΠΎΠ³ΠΎ ΠΏΠΎΡΠ°Π³ΠΎΠ²ΠΎΠ³ΠΎ ΡΠΎΠ·Π΄Π°Π½ΠΈΡ Π½Π΅ΠΉΡΠΎΡΠ΅ΡΠ΅ΠΉ.
2. ΠΠΈΠ½Π΅ΠΉΠ½ΡΠ΅ ΡΠ΅ΡΠΈ ΠΠΈΠ½Π΅ΠΉΠ½ΡΠ΅ Π½Π΅ΠΉΡΠΎΠ½Π½ΡΠ΅ ΡΠ΅ΡΠΈ ΠΏΠΎ ΡΠ²ΠΎΠ΅ΠΉ ΡΡΡΡΠΊΡΡΡΠ΅ Π°Π½Π°Π»ΠΎΠ³ΠΈΡΠ½Ρ ΠΏΠ΅ΡΡΠ΅ΠΏΡΡΠΎΠ½Ρ ΠΈ ΠΎΡΠ»ΠΈΡΠ°ΡΡΡΡ Π»ΠΈΡΡ ΡΡΠ½ΠΊΡΠΈΠ΅ΠΉ Π°ΠΊΡΠΈΠ²Π°ΡΠΈΠΈ, ΠΊΠΎΡΠΎΡΠ°Ρ ΡΠ²Π»ΡΠ΅ΡΡΡ Π»ΠΈΠ½Π΅ΠΉΠ½ΠΎΠΉ. ΠΡΡ ΠΎΠ΄ Π»ΠΈΠ½Π΅ΠΉΠ½ΠΎΠΉ ΡΠ΅ΡΠΈ ΠΌΠΎΠΆΠ΅Ρ ΠΏΡΠΈΠ½ΠΈΠΌΠ°ΡΡ Π»ΡΠ±ΠΎΠ΅ Π·Π½Π°ΡΠ΅Π½ΠΈΠ΅, Π² ΡΠΎ Π²ΡΠ΅ΠΌΡ ΠΊΠ°ΠΊ Π²ΡΡ ΠΎΠ΄ ΠΏΠ΅ΡΡΠ΅ΠΏΡΡΠΎΠ½Π° ΠΎΠ³ΡΠ°Π½ΠΈΡΠ΅Π½ Π·Π½Π°ΡΠ΅Π½ΠΈΡΠΌΠΈ 0 ΠΈΠ»ΠΈ 1. ΠΠΈΠ½Π΅ΠΉΠ½ΡΠ΅ ΡΠ΅ΡΠΈ, ΠΊΠ°ΠΊ ΠΈ ΠΏΠ΅ΡΡΠ΅ΠΏΡΡΠΎΠ½Ρ, ΡΠΏΠΎΡΠΎΠ±Π½Ρ ΡΠ΅ΡΠ°ΡΡ ΡΠΎΠ»ΡΠΊΠΎ Π»ΠΈΠ½Π΅ΠΉΠ½ΠΎ ΠΎΡΠ΄Π΅Π»ΠΈΠΌΡΠ΅ Π·Π°Π΄Π°ΡΠΈ ΠΊΠ»Π°ΡΡΠΈΡΠΈΠΊΠ°ΡΠΈΠΈ, ΠΎΠ΄Π½Π°ΠΊΠΎ Π² Π½ΠΈΡ ΠΈΡΠΏΠΎΠ»ΡΠ·ΡΠ΅ΡΡΡ Π΄ΡΡΠ³ΠΎΠ΅ ΠΏΡΠ°Π²ΠΈΠ»ΠΎ ΠΎΠ±ΡΡΠ΅Π½ΠΈΡ, ΠΎΡΠ½ΠΎΠ²Π°Π½Π½ΠΎΠ΅ Π½Π° ΠΌΠ΅ΡΠΎΠ΄Π΅ Π½Π°ΠΈΠΌΠ΅Π½ΡΡΠΈΡ ΠΊΠ²Π°Π΄ΡΠ°ΡΠΎΠ², ΠΊΠΎΡΠΎΡΠΎΠ΅ ΡΠ²Π»ΡΠ΅ΡΡΡ Π±ΠΎΠ»Π΅Π΅ ΠΌΠΎΡΠ½ΡΠΌ, ΡΠ΅ΠΌ ΠΏΡΠ°Π²ΠΈΠ»ΠΎ ΠΎΠ±ΡΡΠ΅Π½ΠΈΡ ΠΏΠ΅ΡΡΠ΅ΠΏΡΡΠΎΠ½Π°. ΠΠ°ΡΡΡΠΎΠΉΠΊΠ° ΠΏΠ°ΡΠ°ΠΌΠ΅ΡΡΠΎΠ² Π²ΡΠΏΠΎΠ»Π½ΡΠ΅ΡΡΡ ΡΠ°ΠΊΠΈΠΌ ΠΎΠ±ΡΠ°Π·ΠΎΠΌ, ΡΡΠΎΠ±Ρ ΠΎΠ±Π΅ΡΠΏΠ΅ΡΠΈΡΡ ΠΌΠΈΠ½ΠΈΠΌΡΠΌ ΠΎΡΠΈΠ±ΠΊΠΈ. ΠΠΎΠ²Π΅ΡΡ Π½ΠΎΡΡΡ ΠΎΡΠΈΠ±ΠΊΠΈ ΠΊΠ°ΠΊ ΡΡΠ½ΠΊΡΠΈΡ Π²Ρ ΠΎΠ΄ΠΎΠ² ΠΈΠΌΠ΅Π΅Ρ Π΅Π΄ΠΈΠ½ΡΡΠ²Π΅Π½Π½ΡΠΉ ΠΌΠΈΠ½ΠΈΠΌΡΠΌ, ΠΈ ΠΎΠΏΡΠ΅Π΄Π΅Π»Π΅Π½ΠΈΠ΅ ΡΡΠΎΠ³ΠΎ ΠΌΠΈΠ½ΠΈΠΌΡΠΌΠ° Π½Π΅ Π²ΡΠ·ΡΠ²Π°Π΅Ρ ΡΡΡΠ΄Π½ΠΎΡΡΠ΅ΠΉ. Π ΠΎΡΠ»ΠΈΡΠΈΠ΅ ΠΎΡ ΠΏΠ΅ΡΡΠ΅ΠΏΡΡΠΎΠ½Π° Π½Π°ΡΡΡΠΎΠΉΠΊΠ° Π»ΠΈΠ½Π΅ΠΉΠ½ΠΎΠΉ ΡΠ΅ΡΠΈ ΠΌΠΎΠΆΠ΅Ρ Π±ΡΡΡ Π²ΡΠΏΠΎΠ»Π½Π΅Π½Π° Ρ ΠΏΠΎΠΌΠΎΡΡΡ ΠΊΠ°ΠΊ ΠΏΡΠΎΡΠ΅Π΄ΡΡΡ Π°Π΄Π°ΠΏΡΠ°ΡΠΈΠΈ, ΡΠ°ΠΊ ΠΈ ΠΏΡΠΎΡΠ΅Π΄ΡΡΡ ΠΎΠ±ΡΡΠ΅Π½ΠΈΡ.
ΠΡΡ ΠΈΡΠ΅ΠΊΡΡΡΠ° ΡΠ΅ΡΠΈ
Π ΠΈΡ. 1
ΠΠΈΠ½Π΅ΠΉΠ½Π°Ρ ΡΠ΅ΡΡ Π² Matlab
ΠΠΎ ΠΊΠΎΠΌΠ°Π½Π΄Π΅ help linnet ΠΌΠΎΠΆΠ½ΠΎ ΠΏΠΎΠ»ΡΡΠΈΡΡ ΡΠ»Π΅Π΄ΡΡΡΡΡ ΠΈΠ½ΡΠΎΡΠΌΠ°ΡΠΈΡ ΠΎΠ± Π-ΡΡΠ½ΠΊΡΠΈΡΡ , Π²Ρ ΠΎΠ΄ΡΡΠΈΡ Π² ΡΠΎΡΡΠ°Π² ΠΠΠ Neural Network Toolbox ΠΈ ΠΎΡΠ½ΠΎΡΡΡΠΈΡ ΡΡ ΠΊ ΠΏΠΎΡΡΡΠΎΠ΅Π½ΠΈΡ Π»ΠΈΠ½Π΅ΠΉΠ½ΡΡ Π½Π΅ΠΉΡΠΎΠ½Π½ΡΡ ΡΠ΅ΡΠ΅ΠΉ:
Π’Π°Π±Π»ΠΈΡΠ° 1
Linear networks | ΠΠΈΠ½Π΅ΠΉΠ½ΡΠ΅ ΡΠ΅ΡΠΈ | |
New networks | Π€ΠΎΡΠΌΠΈΡΠΎΠ²Π°Π½ΠΈΠ΅ Π½Π΅ΠΉΡΠΎΠ½Π½ΠΎΠΉ ΡΠ΅ΡΠΈ | |
newlind | Π€ΠΎΡΠΌΠΈΡΠΎΠ²Π°Π½ΠΈΠ΅ Π»ΠΈΠ½Π΅ΠΉΠ½ΠΎΠ³ΠΎ ΡΠ»ΠΎΡ | |
newlin | Π€ΠΎΡΠΌΠΈΡΠΎΠ²Π°Π½ΠΈΠ΅ Π°Π΄Π°ΠΏΡΠΈΡΡΠ΅ΠΌΠΎΠ³ΠΎ Π»ΠΈΠ½Π΅ΠΉΠ½ΠΎΠ³ΠΎ ΡΠ»ΠΎΡ | |
Using networks | Π Π°Π±ΠΎΡΠ° Ρ Π½Π΅ΠΉΡΠΎΠ½Π½ΠΎΠΉ ΡΠ΅ΡΡΡ | |
sim | ΠΠΎΠ΄Π΅Π»ΠΈΡΠΎΠ²Π°Π½ΠΈΠ΅ ΡΠ΅ΡΠΈ | |
init | ΠΠ½ΠΈΡΠΈΠ°Π»ΠΈΠ·Π°ΡΠΈΡ ΡΠ΅ΡΠΈ | |
adapt | ΠΡΠΎΡΠ΅Π΄ΡΡΠ° Π°Π΄Π°ΠΏΡΠ°ΡΠΈΠΈ | |
train | ΠΡΠΎΡΠ΅Π΄ΡΡΠ° ΠΎΠ±ΡΡΠ΅Π½ΠΈΡ | |
Weight functions | Π€ΡΠ½ΠΊΡΠΈΠΈ Π²Π·Π²Π΅ΡΠΈΠ²Π°Π½ΠΈΡ | |
dotprod | Π‘ΠΊΠ°Π»ΡΡΠ½ΠΎΠ΅ ΠΏΡΠΎΠΈΠ·Π²Π΅Π΄Π΅Π½ΠΈΠ΅ | |
Net input functions | Π€ΡΠ½ΠΊΡΠΈΠΈ Π½Π°ΠΊΠΎΠΏΠ»Π΅Π½ΠΈΡ | |
netsum | Π‘ΡΠΌΠΌΠ° Π²Π·Π²Π΅ΡΠ΅Π½Π½ΡΡ Π²Ρ ΠΎΠ΄ΠΎΠ² | |
Transfer functions | Π€ΡΠ½ΠΊΡΠΈΠΈ Π°ΠΊΡΠΈΠ²Π°ΡΠΈΠΈ | |
purelin | ΠΠΈΠ½Π΅ΠΉΠ½Π°Ρ | |
Initialization functions | Π€ΡΠ½ΠΊΡΠΈΠΈ ΠΈΠ½ΠΈΡΠΈΠ°Π»ΠΈΠ·Π°ΡΠΈΠΈ | |
initlay | ΠΠΎΡΠ»ΠΎΠΉΠ½Π°Ρ ΠΈΠ½ΠΈΡΠΈΠ°Π»ΠΈΠ·Π°ΡΠΈΡ | |
initwb | ΠΠ½ΠΈΡΠΈΠ°Π»ΠΈΠ·Π°ΡΠΈΡ Π²Π΅ΡΠΎΠ² ΠΈ ΡΠΌΠ΅ΡΠ΅Π½ΠΈΠΉ | |
initzero | ΠΠ½ΠΈΡΠΈΠ°Π»ΠΈΠ·Π°ΡΠΈΡ Π½ΡΠ»Π΅Π²ΡΡ Π²Π΅ΡΠΎΠ² ΠΈ ΡΠΌΠ΅ΡΠ΅Π½ΠΈΠΉ | |
Performance | Π€ΡΠ½ΠΊΡΠΈΠΈ ΠΎΡΠ΅Π½ΠΊΠΈ ΠΊΠ°ΡΠ΅ΡΡΠ²Π° ΡΠ΅ΡΠΈ | |
mse | Π‘ΡΠ΅Π΄Π½Π΅ΠΊΠ²Π°Π΄ΡΠ°ΡΠΈΡΠ½Π°Ρ ΠΏΠΎΠ³ΡΠ΅ΡΠ½ΠΎΡΡΡ | |
Learning | Π€ΡΠ½ΠΊΡΠΈΠΈ Π½Π°ΡΡΡΠΎΠΉΠΊΠΈ ΠΏΠ°ΡΠ°ΠΌΠ΅ΡΡΠΎΠ² ΠΏΠ΅ΡΡΠ΅ΠΏΡΡΠΎΠ½Π° | |
learnwh | ΠΡΠ°Π²ΠΈΠ»ΠΎ Π½Π°ΡΡΡΠΎΠΉΠΊΠΈ WH | |
Adaption | Π€ΡΠ½ΠΊΡΠΈΠΈ Π°Π΄Π°ΠΏΡΠ°ΡΠΈΠΈ | |
adaptwb | Π€ΡΠ½ΠΊΡΠΈΡ Π°Π΄Π°ΠΏΡΠ°ΡΠΈΠΈ Π²Π΅ΡΠΎΠ² ΠΈ ΡΠΌΠ΅ΡΠ΅Π½ΠΈΠΉ | |
Training | Π€ΡΠ½ΠΊΡΠΈΠΈ ΠΎΠ±ΡΡΠ΅Π½ΠΈΡ | |
trainwb | Π€ΡΠ½ΠΊΡΠΈΡ ΠΎΠ±ΡΡΠ΅Π½ΠΈΡ Π²Π΅ΡΠΎΠ² ΠΈ ΡΠΌΠ΅ΡΠ΅Π½ΠΈΠΉ | |
Analysis functions | Π€ΡΠ½ΠΊΡΠΈΠΈ Π°Π½Π°Π»ΠΈΠ·Π° | |
maxlinlr | ΠΡΠ΅Π½ΠΊΠ° ΠΌΠ°ΠΊΡΠΈΠΌΠ°Π»ΡΠ½ΠΎΠ³ΠΎ Π·Π½Π°ΡΠ΅Π½ΠΈΡ ΠΏΠ°ΡΠ°ΠΌΠ΅ΡΡΠ° Π½Π°ΡΡΡΠΎΠΉΠΊΠΈ | |
Demonstrations and applications | ΠΠ΅ΠΌΠΎΠ½ΡΡΡΠ°ΡΠΈΠΎΠ½Π½ΡΠ΅ ΠΏΡΠΈΠΌΠ΅ΡΡ | |
demolin1 | ΠΡΠΈΠΌΠ΅Ρ ΡΡΠ½ΠΊΡΠΈΠΎΠ½ΠΈΡΠΎΠ²Π°Π½ΠΈΡ Π»ΠΈΠ½Π΅ΠΉΠ½ΠΎΠΉ ΡΠ΅ΡΠΈ | |
demolin2 | ΠΠ±ΡΡΠ΅Π½ΠΈΠ΅ Π»ΠΈΠ½Π΅ΠΉΠ½ΠΎΠ³ΠΎ Π½Π΅ΠΉΡΠΎΠ½Π° | |
demolin3 | ΠΠ±ΡΡΠ΅Π½ΠΈΠ΅ Π»ΠΈΠ½Π΅ΠΉΠ½ΠΎΠ³ΠΎ ΡΠ»ΠΎΡ | |
demolin4 | ΠΠ°Π΄Π°ΡΠ° Π»ΠΈΠ½Π΅ΠΉΠ½ΠΎΠΉ Π°ΠΏΠΏΡΠΎΠΊΡΠΈΠΌΠ°ΡΠΈΠΈ | |
demolin5 | ΠΠ°Π΄Π°ΡΠ° Ρ Π½Π΅ΠΏΠΎΠ»Π½ΡΠΌΠΈ Π΄Π°Π½Π½ΡΠΌΠΈ | |
demolin6 | ΠΠ°Π΄Π°ΡΠ° Ρ Π»ΠΈΠ½Π΅ΠΉΠ½ΠΎ Π·Π°Π²ΠΈΡΠΈΠΌΡΠΌΠΈ Π΄Π°Π½Π½ΡΠΌΠΈ | |
demolin7 | ΠΡΠ΅Π½ΠΊΠ° Π²Π»ΠΈΡΠ½ΠΈΡ ΠΏΠ°ΡΠ°ΠΌΠ΅ΡΡΠ° ΡΠΊΠΎΡΠΎΡΡΠΈ Π½Π°ΡΡΡΠΎΠΉΠΊΠΈ | |
demolin8 | ΠΠ΄Π°ΠΏΡΠΈΡΡΠ΅ΠΌΡΠΉ Π»ΠΈΠ½Π΅ΠΉΠ½ΡΠΉ ΡΠ»ΠΎΠΉ | |
applin1 | ΠΠ°Π΄Π°ΡΠ° ΠΏΡΠ΅Π΄ΡΠΊΠ°Π·Π°Π½ΠΈΡ | |
applin2 | ΠΠ°Π΄Π°ΡΠ° Π°Π΄Π°ΠΏΡΠΈΠ²Π½ΠΎΠ³ΠΎ ΠΏΡΠ΅Π΄ΡΠΊΠ°Π·Π°Π½ΠΈΡ | |
applin3 | ΠΠ΄Π΅Π½ΡΠΈΡΠΈΠΊΠ°ΡΠΈΡ Π»ΠΈΠ½Π΅ΠΉΠ½ΠΎΠΉ ΡΠΈΡΡΠ΅ΠΌΡ | |
applin4 | ΠΠ΄Π°ΠΏΡΠΈΠ²Π½Π°Ρ ΠΈΠ΄Π΅Π½ΡΠΈΡΠΈΠΊΠ°ΡΠΈΡ Π»ΠΈΠ½Π΅ΠΉΠ½ΠΎΠΉ ΡΠΈΡΡΠ΅ΠΌΡ | |
3. Π‘Π°ΠΌΠΎΠΎΡΠ³Π°Π½ΠΈΠ·ΡΡΡΠΈΠ΅ΡΡ Π½Π΅ΠΉΡΠΎΠ½Π½ΡΠ΅ ΡΠ΅ΡΠΈ Π ΠΏΡΠΎΡΠ΅ΡΡΠ΅ Π°Π½Π°Π»ΠΈΠ·Π° Π±ΠΎΠ»ΡΡΠΈΡ ΠΈΠ½ΡΠΎΡΠΌΠ°ΡΠΈΠΎΠ½Π½ΡΡ ΠΌΠ°ΡΡΠΈΠ²ΠΎΠ² Π΄Π°Π½Π½ΡΡ Π½Π΅ΠΈΠ·ΠΌΠ΅Π½Π½ΠΎ Π²ΠΎΠ·Π½ΠΈΠΊΠ°ΡΡ Π·Π°Π΄Π°ΡΠΈ, ΡΠ²ΡΠ·Π°Π½Π½ΡΠ΅ Ρ ΠΈΡΡΠ»Π΅Π΄ΠΎΠ²Π°Π½ΠΈΠ΅ΠΌ ΡΠΎΠΏΠΎΠ»ΠΎΠ³ΠΈΡΠ΅ΡΠΊΠΎΠΉ ΡΡΡΡΠΊΡΡΡΡ Π΄Π°Π½Π½ΡΡ , ΠΈΡ ΠΎΠ±ΡΠ΅Π΄ΠΈΠ½Π΅Π½ΠΈΠ΅ΠΌ Π² Π³ΡΡΠΏΠΏΡ (ΠΊΠ»Π°ΡΡΠ΅ΡΡ), ΡΠ°ΡΠΏΡΠ΅Π΄Π΅Π»Π΅Π½ΠΈΠ΅ΠΌ ΠΏΠΎ ΠΊΠ»Π°ΡΡΠ°ΠΌ ΠΈ Ρ. ΠΏ. ΠΡΠΎ ΠΌΠΎΠ³ΡΡ Π±ΡΡΡ ΡΠΊΠΎΠ½ΠΎΠΌΠΈΡΠ΅ΡΠΊΠΈΠ΅, ΡΠΈΠ½Π°Π½ΡΠΎΠ²ΡΠ΅, Π½Π°ΡΡΠ½ΠΎ-ΡΠ΅Ρ Π½ΠΈΡΠ΅ΡΠΊΠΈΠ΅, ΠΌΠ΅Π΄ΠΈΡΠΈΠ½ΡΠΊΠΈΠ΅ ΠΈ Π΄ΡΡΠ³ΠΈΠ΅ ΠΏΡΠΈΠ»ΠΎΠΆΠ΅Π½ΠΈΡ, Π³Π΄Π΅ ΡΡΠ΅Π±ΡΠ΅ΡΡΡ ΡΠ΅ΡΠ΅Π½ΠΈΠ΅ ΡΠ°ΠΊΠΈΡ ΠΏΡΠ°ΠΊΡΠΈΡΠ΅ΡΠΊΠΈΡ Π·Π°Π΄Π°Ρ, ΠΊΠ°ΠΊ ΡΠΆΠ°ΡΠΈΠ΅ Π΄Π°Π½Π½ΡΡ , ΠΈΡ Ρ ΡΠ°Π½Π΅Π½ΠΈΠ΅ ΠΈ ΠΏΠΎΠΈΡΠΊ, ΠΎΠΏΡΠ΅Π΄Π΅Π»Π΅Π½ΠΈΠ΅ Ρ Π°ΡΠ°ΠΊΡΠ΅ΡΠΈΡΡΠΈΠΊ ΠΎΠ±ΡΠ΅ΠΊΡΠ° ΠΏΠΎ ΠΎΠ³ΡΠ°Π½ΠΈΡΠ΅Π½Π½ΠΎΠΌΡ Π½Π°Π±ΠΎΡΡ ΠΏΡΠΈΠ·Π½Π°ΠΊΠΎΠ². Π’Π°ΠΊΠΈΠ΅ Π·Π°Π΄Π°ΡΠΈ ΠΌΠΎΠ³ΡΡ Π±ΡΡΡ ΡΡΠΏΠ΅ΡΠ½ΠΎ ΡΠ΅ΡΠ΅Π½Ρ Ρ ΠΏΡΠΈΠΌΠ΅Π½Π΅Π½ΠΈΠ΅ΠΌ ΡΠΏΠ΅ΡΠΈΠ°Π»ΡΠ½ΠΎΠ³ΠΎ ΠΊΠ»Π°ΡΡΠ° ΡΠ°ΠΌΠΎΠΎΡΠ³Π°Π½ΠΈΠ·ΡΡΡΠΈΡ ΡΡ Π½Π΅ΠΉΡΠΎΠ½Π½ΡΡ ΡΠ΅ΡΠ΅ΠΉ.
3.1 ΠΠ΅ΠΉΡΠΎΠ½Π½Π°Ρ ΡΠ΅ΡΡ (ΠΠΎΡ ΠΎΠ½Π΅Π½Π°) ΠΠ΅ΠΉΡΠΎΠ½Π½ΡΠ΅ ΡΠ΅ΡΠΈ ΠΠΎΡ ΠΎΠ½Π΅Π½Π° — ΠΊΠ»Π°ΡΡ Π½Π΅ΠΉΡΠΎΠ½Π½ΡΡ ΡΠ΅ΡΠ΅ΠΉ, ΠΎΡΠ½ΠΎΠ²Π½ΡΠΌ ΡΠ»Π΅ΠΌΠ΅Π½ΡΠΎΠΌ ΠΊΠΎΡΠΎΡΡΡ ΡΠ²Π»ΡΠ΅ΡΡΡ ΡΠ»ΠΎΠΉ ΠΠΎΡ ΠΎΠ½Π΅Π½Π°. Π‘Π»ΠΎΠΉ ΠΠΎΡ ΠΎΠ½Π΅Π½Π° ΡΠΎΡΡΠΎΠΈΡ ΠΈΠ· Π°Π΄Π°ΠΏΡΠΈΠ²Π½ΡΡ Π»ΠΈΠ½Π΅ΠΉΠ½ΡΡ ΡΡΠΌΠΌΠ°ΡΠΎΡΠΎΠ² («Π»ΠΈΠ½Π΅ΠΉΠ½ΡΡ ΡΠΎΡΠΌΠ°Π»ΡΠ½ΡΡ Π½Π΅ΠΉΡΠΎΠ½ΠΎΠ²»). ΠΠ°ΠΊ ΠΏΡΠ°Π²ΠΈΠ»ΠΎ, Π²ΡΡ ΠΎΠ΄Π½ΡΠ΅ ΡΠΈΠ³Π½Π°Π»Ρ ΡΠ»ΠΎΡ ΠΠΎΡ ΠΎΠ½Π΅Π½Π° ΠΎΠ±ΡΠ°Π±Π°ΡΡΠ²Π°ΡΡΡΡ ΠΏΠΎ ΠΏΡΠ°Π²ΠΈΠ»Ρ «ΠΏΠΎΠ±Π΅Π΄ΠΈΡΠ΅Π»Ρ Π·Π°Π±ΠΈΡΠ°Π΅Ρ Π²ΡΡ»: Π½Π°ΠΈΠ±ΠΎΠ»ΡΡΠΈΠΉ ΡΠΈΠ³Π½Π°Π» ΠΏΡΠ΅Π²ΡΠ°ΡΠ°Π΅ΡΡΡ Π² Π΅Π΄ΠΈΠ½ΠΈΡΠ½ΡΠΉ, ΠΎΡΡΠ°Π»ΡΠ½ΡΠ΅ ΠΎΠ±ΡΠ°ΡΠ°ΡΡΡΡ Π² Π½ΠΎΠ»Ρ.
ΠΠΎ ΡΠΏΠΎΡΠΎΠ±Π°ΠΌ Π½Π°ΡΡΡΠΎΠΉΠΊΠΈ Π²Ρ ΠΎΠ΄Π½ΡΡ Π²Π΅ΡΠΎΠ² ΡΡΠΌΠΌΠ°ΡΠΎΡΠΎΠ² ΠΈ ΠΏΠΎ ΡΠ΅ΡΠ°Π΅ΠΌΡΠΌ Π·Π°Π΄Π°ΡΠ°ΠΌ ΡΠ°Π·Π»ΠΈΡΠ°ΡΡ ΠΌΠ½ΠΎΠ³ΠΎ ΡΠ°Π·Π½ΠΎΠ²ΠΈΠ΄Π½ΠΎΡΡΠ΅ΠΉ ΡΠ΅ΡΠ΅ΠΉ ΠΠΎΡ ΠΎΠ½Π΅Π½Π°. ΠΠ°ΠΈΠ±ΠΎΠ»Π΅Π΅ ΠΈΠ·Π²Π΅ΡΡΠ½ΡΠ΅ ΠΈΠ· Π½ΠΈΡ :
Β· Π‘Π΅ΡΠΈ Π²Π΅ΠΊΡΠΎΡΠ½ΠΎΠ³ΠΎ ΠΊΠ²Π°Π½ΡΠΎΠ²Π°Π½ΠΈΡ ΡΠΈΠ³Π½Π°Π»ΠΎΠ², ΡΠ΅ΡΠ½ΠΎ ΡΠ²ΡΠ·Π°Π½Π½ΡΠ΅ Ρ ΠΏΡΠΎΡΡΠ΅ΠΉΡΠΈΠΌ Π±Π°Π·ΠΎΠ²ΡΠΌ Π°Π»Π³ΠΎΡΠΈΡΠΌΠΎΠΌ ΠΊΠ»Π°ΡΡΠ΅ΡΠ½ΠΎΠ³ΠΎ Π°Π½Π°Π»ΠΈΠ·Π° (ΠΌΠ΅ΡΠΎΠ΄ Π΄ΠΈΠ½Π°ΠΌΠΈΡΠ΅ΡΠΊΠΈΡ ΡΠ΄Π΅Ρ ΠΈΠ»ΠΈ K-ΡΡΠ΅Π΄Π½ΠΈΡ )
Β· Π‘Π°ΠΌΠΎΠΎΡΠ³Π°Π½ΠΈΠ·ΡΡΡΠΈΠ΅ΡΡ ΠΊΠ°ΡΡΡ ΠΠΎΡ ΠΎΠ½Π΅Π½Π° (Self-Organising Maps, SOM)
Β· Π‘Π΅ΡΠΈ Π²Π΅ΠΊΡΠΎΡΠ½ΠΎΠ³ΠΎ ΠΊΠ²Π°Π½ΡΠΎΠ²Π°Π½ΠΈΡ, ΠΎΠ±ΡΡΠ°Π΅ΠΌΡΠ΅ Ρ ΡΡΠΈΡΠ΅Π»Π΅ΠΌ (Learning Vector Quantization)
ΠΡΡ ΠΈΡΠ΅ΠΊΡΡΡΠ° ΡΠ΅ΡΠΈ Π ΠΈΡ. 2
ΠΠ΄Π΅: pΠ΅Π²ΠΊΠ»ΠΈΠ΄ΠΎΠ²ΠΎ ΡΠ°ΡΡΡΠΎΡΠ½ΠΈΠ΅ (Π½Π°ΡΠ°Π»ΡΠ½ΠΎΠ΅ Π·Π½Π°ΡΠ΅Π½ΠΈΠ΅), IW11 - ΠΌΠ°ΡΡΠΈΡΠ° Π²Π΅ΡΠΎΠ², n1 — Π²Ρ ΠΎΠ΄ ΡΡΠ½ΠΊΡΠΈΠΈ Π°ΠΊΡΠΈΠ²Π°ΡΠΈΠΈ, b — ΡΠ°ΡΡΡΠΎΡΠ½ΠΈΠ΅ Π²Π΅ΠΊΡΠΎΡΠ° ΡΠΌΠ΅ΡΠ΅Π½ΠΈΡ, a1 -Π²Π΅ΠΊΡΠΎΡ Π²ΡΡ ΠΎΠ΄Π° ΡΠ»ΠΎΡ.
ΠΠ΅ΠΉΡΠΎΠ½Π½Π°Ρ ΡΠ΅ΡΡ ΠΠΎΡ ΠΎΠ½Π΅Π½Π° Π² Matlab.
ΠΠ»Ρ ΡΠΎΠ·Π΄Π°Π½ΠΈΡ ΡΠ°ΠΌΠΎΠΎΡΠ³Π°Π½ΠΈΠ·ΡΡΡΠΈΡ ΡΡ Π½Π΅ΠΉΡΠΎΠ½Π½ΡΡ ΡΠ΅ΡΠ΅ΠΉ, ΡΠ²Π»ΡΡΡΠΈΡ ΡΡ ΡΠ»ΠΎΠ΅ΠΌ ΠΈΠ»ΠΈ ΠΊΠ°ΡΡΠΎΠΉ ΠΠΎΡ ΠΎΠ½Π΅Π½Π°, ΠΏΡΠ΅Π΄Π½Π°Π·Π½Π°ΡΠ΅Π½Ρ Π-ΡΡΠ½ΠΊΡΠΈΠΈ newc ΠΈ newsom ΡΠΎΠΎΡΠ²Π΅ΡΡΡΠ²Π΅Π½Π½ΠΎ.
ΠΠΎ ΠΊΠΎΠΌΠ°Π½Π΄Π΅ help selforg ΠΌΠΎΠΆΠ½ΠΎ ΠΏΠΎΠ»ΡΡΠΈΡΡ ΡΠ»Π΅Π΄ΡΡΡΡΡ ΠΈΠ½ΡΠΎΡΠΌΠ°ΡΠΈΡ ΠΎΠ± Π-ΡΡΠ½ΠΊΡΠΈΡΡ , Π²Ρ ΠΎΠ΄ΡΡΠΈΡ Π² ΡΠΎΡΡΠ°Π² ΠΠΠ Neural Network Toolbox ΠΈ ΠΎΡΠ½ΠΎΡΡΡΠΈΡ ΡΡ ΠΊ ΠΏΠΎΡΡΡΠΎΠ΅Π½ΠΈΡ ΡΠ΅ΡΠ΅ΠΉ ΠΠΎΡ ΠΎΠ½Π΅Π½Π°:
Π’Π°Π±Π»ΠΈΡΠ° 2
Self-organizing networks | Π‘Π°ΠΌΠΎΠΎΡΠ³Π°Π½ΠΈΠ·ΡΡΡΠΈΠ΅ΡΡ ΡΠ΅ΡΠΈ | |
New networks | Π€ΠΎΡΠΌΠΈΡΠΎΠ²Π°Π½ΠΈΠ΅ ΡΠ΅ΡΠΈ | |
Newc newsom | Π‘ΠΎΠ·Π΄Π°Π½ΠΈΠ΅ ΡΠ»ΠΎΡ ΠΠΎΡ ΠΎΠ½Π΅Π½Π° Π‘ΠΎΠ·Π΄Π°Π½ΠΈΠ΅ ΠΊΠ°ΡΡΡ ΠΠΎΡ ΠΎΠ½Π΅Π½Π° | |
Using networks | Π Π°Π±ΠΎΡΠ° Ρ ΡΠ΅ΡΡΡ | |
Sim init adapt train | ΠΠΎΠ΄Π΅Π»ΠΈΡΠΎΠ²Π°Π½ΠΈΠ΅ ΠΠ½ΠΈΡΠΈΠ°Π»ΠΈΠ·Π°ΡΠΈΡ ΠΠ΄Π°ΠΏΡΠ°ΡΠΈΡ ΠΠ±ΡΡΠ΅Π½ΠΈΠ΅ | |
Weight functions | Π€ΡΠ½ΠΊΡΠΈΠΈ ΡΠ°ΡΡΡΠΎΡΠ½ΠΈΡ ΠΈ Π²Π·Π²Π΅ΡΠΈΠ²Π°Π½ΠΈΡ | |
negdist | ΠΡΡΠΈΡΠ°ΡΠ΅Π»ΡΠ½ΠΎΠ΅ Π΅Π²ΠΊΠ»ΠΈΠ΄ΠΎΠ²ΠΎ ΡΠ°ΡΡΡΠΎΡΠ½ΠΈΠ΅ | |
Net input functions | Π€ΡΠ½ΠΊΡΠΈΠΈ Π½Π°ΠΊΠΎΠΏΠ»Π΅Π½ΠΈΡ | |
netsum | Π‘ΡΠΌΠΌΠ° Π²Π·Π²Π΅ΡΠ΅Π½Π½ΡΡ Π²Ρ ΠΎΠ΄ΠΎΠ² | |
Transfer functions | Π€ΡΠ½ΠΊΡΠΈΠΈ Π°ΠΊΡΠΈΠ²Π°ΡΠΈΠΈ | |
compet | ΠΠΎΠ½ΠΊΡΡΠΈΡΡΡΡΠ°Ρ ΡΡΠ½ΠΊΡΠΈΡ Π°ΠΊΡΠΈΠ²Π°ΡΠΈΠΈ | |
Topology functions | Π€ΡΠ½ΠΊΡΠΈΠΈ ΠΎΠΏΠΈΡΠ°Π½ΠΈΡ ΡΠΎΠΏΠΎΠ»ΠΎΠ³ΠΈΠΈ ΡΠ΅ΡΠΈ | |
gridtop hextop randtop | ΠΡΡΠΌΠΎΡΠ³ΠΎΠ»ΡΠ½Π°Ρ ΡΠ΅ΡΠΊΠ° ΠΠ΅ΠΊΡΠ°Π³ΠΎΠ½Π°Π»ΡΠ½Π°Ρ ΡΠ΅ΡΠΊΠ° Π‘Π΅ΡΠΊΠ° ΡΠΎ ΡΠ»ΡΡΠ°ΠΉΠ½ΠΎ ΡΠ°ΡΠΏΡΠ΅Π΄Π΅Π»Π΅Π½Π½ΡΠΌΠΈ ΡΠ·Π»Π°ΠΌΠΈ | |
Distance functions | Π€ΡΠ½ΠΊΡΠΈΠΈ ΡΠ°ΡΡΡΠΎΡΠ½ΠΈΡ | |
dist boxdist mandist linkdist | ΠΠ²ΠΊΠ»ΠΈΠ΄ΠΎΠ²ΠΎ ΡΠ°ΡΡΡΠΎΡΠ½ΠΈΠ΅ Π Π°ΡΡΡΠΎΡΠ½ΠΈΠ΅ ΠΌΠ°ΠΊΡΠΈΠΌΠ°Π»ΡΠ½ΠΎΠ³ΠΎ ΠΊΠΎΠΎΡΠ΄ΠΈΠ½Π°ΡΠ½ΠΎΠ³ΠΎ ΡΠΌΠ΅ΡΠ΅Π½ΠΈΡ Π Π°ΡΡΡΠΎΡΠ½ΠΈΠ΅ ΡΡΠΌΠΌΠ°ΡΠ½ΠΎΠ³ΠΎ ΠΊΠΎΠΎΡΠ΄ΠΈΠ½Π°ΡΠ½ΠΎΠ³ΠΎ ΡΠΌΠ΅ΡΠ΅Π½ΠΈΡ Π Π°ΡΡΡΠΎΡΠ½ΠΈΠ΅ ΡΠ²ΡΠ·ΠΈ | |
Initialization functions | Π€ΡΠ½ΠΊΡΠΈΠΈ ΠΈΠ½ΠΈΡΠΈΠ°Π»ΠΈΠ·Π°ΡΠΈΠΈ ΡΠ΅ΡΠΈ | |
initlay initwb initcon midpoint | ΠΠΎΡΠ»ΠΎΠΉΠ½Π°Ρ ΠΈΠ½ΠΈΡΠΈΠ°Π»ΠΈΠ·Π°ΡΠΈΡ ΠΠ½ΠΈΡΠΈΠ°Π»ΠΈΠ·Π°ΡΠΈΡ Π²Π΅ΡΠΎΠ² ΠΈ ΡΠΌΠ΅ΡΠ΅Π½ΠΈΠΉ ΠΠ½ΠΈΡΠΈΠ°Π»ΠΈΠ·Π°ΡΠΈΡ ΡΠΌΠ΅ΡΠ΅Π½ΠΈΠΉ Ρ ΡΡΠ΅ΡΠΎΠΌ ΡΡΠ²ΡΡΠ²ΠΈΡΠ΅Π»ΡΠ½ΠΎΡΡΠΈ Π½Π΅ΠΉΡΠΎΠ½ΠΎΠ² ΠΠ½ΠΈΡΠΈΠ°Π»ΠΈΠ·Π°ΡΠΈΡ Π²Π΅ΡΠΎΠ² ΠΏΠΎ ΠΏΡΠ°Π²ΠΈΠ»Ρ ΡΡΠ΅Π΄Π½Π΅ΠΉ ΡΠΎΡΠΊΠΈ | |
Learning functions | Π€ΡΠ½ΠΊΡΠΈΠΈ Π½Π°ΡΡΡΠΎΠΉΠΊΠΈ ΠΏΠ°ΡΠ°ΠΌΠ΅ΡΡΠΎΠ² | |
learnk learncon learnsom | ΠΡΠ°Π²ΠΈΠ»ΠΎ Π½Π°ΡΡΡΠΎΠΉΠΊΠΈ Π²Π΅ΡΠΎΠ² Π΄Π»Ρ ΡΠ»ΠΎΡ ΠΠΎΡ ΠΎΠ½Π΅Π½Π° ΠΡΠ°Π²ΠΈΠ»ΠΎ Π½Π°ΡΡΡΠΎΠΉΠΊΠΈ ΡΠΌΠ΅ΡΠ΅Π½ΠΈΠΉ Π΄Π»Ρ ΡΠ»ΠΎΡ ΠΠΎΡ ΠΎΠ½Π΅Π½Π° ΠΡΠ°Π²ΠΈΠ»ΠΎ Π½Π°ΡΡΡΠΎΠΉΠΊΠΈ Π²Π΅ΡΠΎΠ² ΠΊΠ°ΡΡΡ ΠΠΎΡ ΠΎΠ½Π΅Π½Π° | |
Adapt functions | Π€ΡΠ½ΠΊΡΠΈΠΈ Π°Π΄Π°ΠΏΡΠ°ΡΠΈΠΈ | |
adaptwb | ΠΠ΄Π°ΠΏΡΠ°ΡΠΈΡ Π²Π΅ΡΠΎΠ² ΠΈ ΡΠΌΠ΅ΡΠ΅Π½ΠΈΠΉ | |
Training functions | Π€ΡΠ½ΠΊΡΠΈΠΈ ΠΎΠ±ΡΡΠ΅Π½ΠΈΡ | |
trainwb1 | ΠΠΎΠ²Π΅ΠΊΡΠΎΡΠ½ΠΎΠ΅ ΠΎΠ±ΡΡΠ΅Π½ΠΈΠ΅ Π²Π΅ΡΠΎΠ² ΠΈ ΡΠΌΠ΅ΡΠ΅Π½ΠΈΠΉ | |
Demonstrations | ΠΠ΅ΠΌΠΎΠ½ΡΡΡΠ°ΡΠΈΠΎΠ½Π½ΡΠ΅ ΠΏΡΠΈΠΌΠ΅ΡΡ | |
democ1 demosm1 demosm2 | ΠΠ°ΡΡΡΠΎΠΉΠΊΠ° ΡΠ»ΠΎΡ ΠΠΎΡ ΠΎΠ½Π΅Π½Π° ΠΠ΄Π½ΠΎΠΌΠ΅ΡΠ½Π°Ρ ΠΊΠ°ΡΡΠ° ΠΠΎΡ ΠΎΠ½Π΅Π½Π° ΠΠ²ΡΠΌΠ΅ΡΠ½Π°Ρ ΠΊΠ°ΡΡΠ° ΠΠΎΡ ΠΎΠ½Π΅Π½Π° | |
3.2 LVQ-ΡΠ΅ΡΠΈ
Π‘Π΅ΡΠΈ Π΄Π»Ρ ΠΊΠ»Π°ΡΡΠΈΡΠΈΠΊΠ°ΡΠΈΠΈ Π²Ρ ΠΎΠ΄Π½ΡΡ Π²Π΅ΠΊΡΠΎΡΠΎΠ², ΠΈΠ»ΠΈ LVQ (Learning Vector Quantization)-ΡΠ΅ΡΠΈ. ΠΠ°ΠΊ ΠΏΡΠ°Π²ΠΈΠ»ΠΎ, ΠΎΠ½ΠΈ Π²ΡΠΏΠΎΠ»Π½ΡΡΡ ΠΈ ΠΊΠ»Π°ΡΡΠ΅ΡΠΈΠ·Π°ΡΠΈΡ ΠΈ ΠΊΠ»Π°ΡΡΠΈΡΠΈΠΊΠ°ΡΠΈΡ Π²Π΅ΠΊΡΠΎΡΠΎΠ² Π²Ρ ΠΎΠ΄Π°. ΠΡΠΈ ΡΠ΅ΡΠΈ ΡΠ²Π»ΡΡΡΡΡ ΡΠ°Π·Π²ΠΈΡΠΈΠ΅ΠΌ ΡΠ°ΠΌΠΎΠΎΡΠ³Π°Π½ΠΈΠ·ΡΡΡΠΈΡ ΡΡ ΡΠ΅ΡΠ΅ΠΉ ΠΠΎΡ ΠΎΠ½Π΅Π½Π°.
LVQ-cΠ΅ΡΡ ΠΈΠΌΠ΅Π΅Ρ 2 ΡΠ»ΠΎΡ: ΠΊΠΎΠ½ΠΊΡΡΠΈΡΡΡΡΠΈΠΉ ΠΈ Π»ΠΈΠ½Π΅ΠΉΠ½ΡΠΉ. ΠΠΎΠ½ΠΊΡΡΠΈΡΡΡΡΠΈΠΉ ΡΠ»ΠΎΠΉ Π²ΡΠΏΠΎΠ»Π½ΡΠ΅Ρ ΠΊΠ»Π°ΡΡΠ΅ΡΠΈΠ·Π°ΡΠΈΡ Π²Π΅ΠΊΡΠΎΡΠΎΠ², Π° Π»ΠΈΠ½Π΅ΠΉΠ½ΡΠΉ ΡΠ»ΠΎΠΉ ΡΠΎΠΎΡΠ½ΠΎΡΠΈΡ ΠΊΠ»Π°ΡΡΠ΅ΡΡ Ρ ΡΠ΅Π»Π΅Π²ΡΠΌΠΈ ΠΊΠ»Π°ΡΡΠ°ΠΌΠΈ, Π·Π°Π΄Π°Π½Π½ΡΠΌΠΈ ΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°ΡΠ΅Π»Π΅ΠΌ
ΠΡΡ ΠΈΡΠ΅ΠΊΡΡΡΠ° ΡΠ΅ΡΠΈ
Π ΠΈΡ. 3
ΠΠ΅ΠΉΡΠΎΠ½Π½Π°Ρ ΡΠ΅ΡΡ LVQ Π² Matlab.
ΠΠΎ ΠΊΠΎΠΌΠ°Π½Π΄Π΅ help lvq ΠΌΠΎΠΆΠ½ΠΎ ΠΏΠΎΠ»ΡΡΠΈΡΡ ΡΠ»Π΅Π΄ΡΡΡΡΡ ΠΈΠ½ΡΠΎΡΠΌΠ°ΡΠΈΡ ΠΎΠ± Π-ΡΡΠ½ΠΊΡΠΈΡΡ , Π²Ρ ΠΎΠ΄ΡΡΠΈΡ Π² ΡΠΎΡΡΠ°Π² ΠΠΠ Neural Network Toolbox ΠΈ ΠΎΡΠ½ΠΎΡΡΡΠΈΡ ΡΡ ΠΊ ΠΏΠΎΡΡΡΠΎΠ΅Π½ΠΈΡ LVQ-ΡΠ΅ΡΠ΅ΠΉ:
Π’Π°Π±Π»ΠΈΡΠ° 3
Learning Vector Quantization | Π‘Π΅ΡΠΈ Π΄Π»Ρ ΠΊΠ»Π°ΡΡΠΈΡΠΈΠΊΠ°ΡΠΈΠΈ Π²Π΅ΠΊΡΠΎΡΠΎΠ² | |
New networks | Π€ΠΎΡΠΌΠΈΡΠΎΠ²Π°Π½ΠΈΠ΅ ΡΠ΅ΡΠΈ | |
newlvq | Π‘ΠΎΠ·Π΄Π°Π½ΠΈΠ΅ ΡΠ΅ΡΠΈ Π΄Π»Ρ ΠΊΠ»Π°ΡΡΠΈΡΠΈΠΊΠ°ΡΠΈΠΈ Π²Ρ ΠΎΠ΄Π½ΡΡ Π²Π΅ΠΊΡΠΎΡΠΎΠ² | |
Using networks | Π Π°Π±ΠΎΡΠ° Ρ ΡΠ΅ΡΡΡ | |
sim init adapt train | ΠΠΎΠ΄Π΅Π»ΠΈΡΠΎΠ²Π°Π½ΠΈΠ΅ ΠΠ½ΠΈΡΠΈΠ°Π»ΠΈΠ·Π°ΡΠΈΡ ΠΠ΄Π°ΠΏΡΠ°ΡΠΈΡ ΠΠ±ΡΡΠ΅Π½ΠΈΠ΅ | |
Weight functions | ΠΠΏΠ΅ΡΠ°ΡΠΈΠΈ Ρ Π²Π΅ΡΠΎΠ²ΠΎΠΉ ΡΡΠ½ΠΊΡΠΈΠ΅ΠΉ | |
negdist dotprod | Π€ΡΠ½ΠΊΡΠΈΡ ΠΎΡΡΠΈΡΠ°ΡΠ΅Π»ΡΠ½ΠΎΠ³ΠΎ ΡΠ°ΡΡΡΠΎΡΠ½ΠΈΡ Π‘ΠΊΠ°Π»ΡΡΠ½ΠΎΠ΅ ΠΏΡΠΎΠΈΠ·Π²Π΅Π΄Π΅Π½ΠΈΠ΅ | |
Net input functions | ΠΠΏΠ΅ΡΠ°ΡΠΈΠΈ Π½Π°Π΄ Π²Ρ ΠΎΠ΄Π°ΠΌΠΈ | |
netsum | Π‘ΡΠΌΠΌΠΈΡΠΎΠ²Π°Π½ΠΈΠ΅ | |
Transfer functions | Π€ΡΠ½ΠΊΡΠΈΠΈ Π°ΠΊΡΠΈΠ²Π°ΡΠΈΠΈ | |
compet purelin | ΠΠΎΠ½ΠΊΡΡΠΈΡΡΡΡΠ°Ρ ΠΠΈΠ½Π΅ΠΉΠ½Π°Ρ | |
Performance functions | Π€ΡΠ½ΠΊΡΠΈΠΈ ΠΏΠΎΠ³ΡΠ΅ΡΠ½ΠΎΡΡΠΈ ΠΎΠ±ΡΡΠ΅Π½ΠΈΡ | |
mse | Π‘ΡΠ΅Π΄Π½Π΅ΠΊΠ²Π°Π΄ΡΠ°ΡΠΈΡΠ½Π°Ρ ΠΎΡΠΈΠ±ΠΊΠ° ΠΎΠ±ΡΡΠ΅Π½ΠΈΡ | |
Initialization functions | Π€ΡΠ½ΠΊΡΠΈΠΈ ΠΈΠ½ΠΈΡΠΈΠ°Π»ΠΈΠ·Π°ΡΠΈΠΈ ΡΠ΅ΡΠΈ | |
initlay initwb midpoint | ΠΠΎΡΠ»ΠΎΠΉΠ½Π°Ρ ΠΈΠ½ΠΈΡΠΈΠ°Π»ΠΈΠ·Π°ΡΠΈΡ ΠΠ½ΠΈΡΠΈΠ°Π»ΠΈΠ·Π°ΡΠΈΡ Π²Π΅ΡΠΎΠ² ΠΈ ΡΠΌΠ΅ΡΠ΅Π½ΠΈΠΉ ΠΠ½ΠΈΡΠΈΠ°Π»ΠΈΠ·Π°ΡΠΈΡ Π²Π΅ΡΠΎΠ² ΠΏΠΎ ΠΏΡΠ°Π²ΠΈΠ»Ρ ΡΡΠ΅Π΄Π½Π΅ΠΉ ΡΠΎΡΠΊΠΈ | |
Learning functions | Π€ΡΠ½ΠΊΡΠΈΠΈ Π½Π°ΡΡΡΠΎΠΉΠΊΠΈ ΠΏΠ°ΡΠ°ΠΌΠ΅ΡΡΠΎΠ² | |
learnlv1 learnlv2 | Π€ΡΠ½ΠΊΡΠΈΡ Π½Π°ΡΡΡΠΎΠΉΠΊΠΈ lv1 Π€ΡΠ½ΠΊΡΠΈΡ Π½Π°ΡΡΡΠΎΠΉΠΊΠΈ lv2 | |
Adapt functions | Π€ΡΠ½ΠΊΡΠΈΠΈ Π°Π΄Π°ΠΏΡΠ°ΡΠΈΠΈ | |
adapt | ΠΠ΄Π°ΠΏΡΠ°ΡΠΈΡ Π²Π΅ΡΠΎΠ² ΠΈ ΡΠΌΠ΅ΡΠ΅Π½ΠΈΠΉ | |
Training functions | Π€ΡΠ½ΠΊΡΠΈΠΈ ΠΎΠ±ΡΡΠ΅Π½ΠΈΡ | |
trainr | ΠΠΎΠ²Π΅ΠΊΡΠΎΡΠ½ΠΎΠ΅ ΠΎΠ±ΡΡΠ΅Π½ΠΈΠ΅ Π²Π΅ΡΠΎΠ² ΠΈ ΡΠΌΠ΅ΡΠ΅Π½ΠΈΠΉ | |
Demonstrations | ΠΠ΅ΠΌΠΎΠ½ΡΡΡΠ°ΡΠΈΠΎΠ½Π½ΡΠ΅ ΠΏΡΠΈΠΌΠ΅ΡΡ | |
demolvq1 | ΠΡΠΈΠΌΠ΅Ρ ΠΊΠ»Π°ΡΡΠΈΡΠΈΠΊΠ°ΡΠΈΠΈ Π²Π΅ΠΊΡΠΎΡΠΎΠ² | |
4. Π Π°Π΄ΠΈΠ°Π»ΡΠ½ΡΠ΅ Π±Π°Π·ΠΈΡΠ½ΡΠ΅ ΡΠ΅ΡΠΈ Π Π°Π΄ΠΈΠ°Π»ΡΠ½ΡΠ΅ Π±Π°Π·ΠΈΡΠ½ΡΠ΅ Π½Π΅ΠΉΡΠΎΠ½Π½ΡΠ΅ ΡΠ΅ΡΠΈ ΡΠΎΡΡΠΎΡΡ ΠΈΠ· Π±ΠΎΠ»ΡΡΠ΅Π³ΠΎ ΠΊΠΎΠ»ΠΈΡΠ΅ΡΡΠ²Π° Π½Π΅ΠΉΡΠΎΠ½ΠΎΠ², ΡΠ΅ΠΌ ΡΡΠ°Π½Π΄Π°ΡΡΠ½ΡΠ΅ ΡΠ΅ΡΠΈ Ρ ΠΏΡΡΠΌΠΎΠΉ ΠΏΠ΅ΡΠ΅Π΄Π°ΡΠ΅ΠΉ ΡΠΈΠ³Π½Π°Π»ΠΎΠ² ΠΈ ΠΎΠ±ΡΡΠ΅Π½ΠΈΠ΅ΠΌ ΠΌΠ΅ΡΠΎΠ΄ΠΎΠΌ ΠΎΠ±ΡΠ°ΡΠ½ΠΎΠ³ΠΎ ΡΠ°ΡΠΏΡΠΎΡΡΡΠ°Π½Π΅Π½ΠΈΡ ΠΎΡΠΈΠ±ΠΊΠΈ, Π½ΠΎ Π½Π° ΠΈΡ ΡΠΎΠ·Π΄Π°Π½ΠΈΠ΅ ΡΡΠ΅Π±ΡΠ΅ΡΡΡ Π·Π½Π°ΡΠΈΡΠ΅Π»ΡΠ½ΠΎ ΠΌΠ΅Π½ΡΡΠ΅ Π²ΡΠ΅ΠΌΠ΅Π½ΠΈ. ΠΡΠΈ ΡΠ΅ΡΠΈ ΠΎΡΠΎΠ±Π΅Π½Π½ΠΎ ΡΡΡΠ΅ΠΊΡΠΈΠ²Π½Ρ, ΠΊΠΎΠ³Π΄Π° Π΄ΠΎΡΡΡΠΏΠ½ΠΎ Π±ΠΎΠ»ΡΡΠΎΠ΅ ΠΊΠΎΠ»ΠΈΡΠ΅ΡΡΠ²ΠΎ ΠΎΠ±ΡΡΠ°ΡΡΠΈΡ Π²Π΅ΠΊΡΠΎΡΠΎΠ².
ΠΡΡ ΠΈΡΠ΅ΠΊΡΡΡΠ° ΡΠ΅ΡΠΈ
Π ΠΈΡ. 4
Π Π°Π΄ΠΈΠ°Π»ΡΠ½Π°Ρ Π±Π°Π·ΠΈΡΠ½Π°Ρ ΡΠ΅ΡΡ Π² Matlab.
ΠΠΎ ΠΊΠΎΠΌΠ°Π½Π΄Π΅ help radbasis ΠΌΠΎΠΆΠ½ΠΎ ΠΏΠΎΠ»ΡΡΠΈΡΡ ΡΠ»Π΅Π΄ΡΡΡΡΡ ΠΈΠ½ΡΠΎΡΠΌΠ°ΡΠΈΡ ΠΎΠ± Π-ΡΡΠ½ΠΊΡΠΈΡΡ , Π²Ρ ΠΎΠ΄ΡΡΠΈΡ Π² ΡΠΎΡΡΠ°Π² ΠΠΠ Neural Network Toolbox ΠΈ ΠΎΡΠ½ΠΎΡΡΡΠΈΡ ΡΡ ΠΊ ΠΏΠΎΡΡΡΠΎΠ΅Π½ΠΈΡ ΡΠ°Π΄ΠΈΠ°Π»ΡΠ½ΡΡ Π±Π°Π·ΠΈΡΠ½ΡΡ ΡΠ΅ΡΠ΅ΠΉ:
Π’Π°Π±Π»ΠΈΡΠ° 4
Radial basis networks | Π Π°Π΄ΠΈΠ°Π»ΡΠ½ΡΠ΅ Π±Π°Π·ΠΈΡΠ½ΡΠ΅ ΡΠ΅ΡΠΈ | |
New networks | Π€ΠΎΡΠΌΠΈΡΠΎΠ²Π°Π½ΠΈΠ΅ ΡΠ΅ΡΠΈ | |
newrb | Π‘ΠΎΠ·Π΄Π°Π½ΠΈΠ΅ ΡΠ°Π΄ΠΈΠ°Π»ΡΠ½ΠΎΠΉ Π±Π°Π·ΠΈΡΠ½ΠΎΠΉ ΡΠ΅ΡΠΈ | |
newrbe | Π‘ΠΎΠ·Π΄Π°Π½ΠΈΠ΅ ΡΠ°Π΄ΠΈΠ°Π»ΡΠ½ΠΎΠΉ Π±Π°Π·ΠΈΡΠ½ΠΎΠΉ ΡΠ΅ΡΠΈ Ρ Π½ΡΠ»Π΅Π²ΠΎΠΉ ΠΎΡΠΈΠ±ΠΊΠΎΠΉ | |
newgrnn | Π‘ΠΎΠ·Π΄Π°Π½ΠΈΠ΅ ΠΎΠ±ΠΎΠ±ΡΠ΅Π½Π½ΠΎΠΉ ΡΠ΅Π³ΡΠ΅ΡΡΠΈΠΎΠ½Π½ΠΎΠΉ ΡΠ΅ΡΠΈ | |
newpnn | Π‘ΠΎΠ·Π΄Π°Π½ΠΈΠ΅ Π²Π΅ΡΠΎΡΡΠ½ΠΎΡΡΠ½ΠΎΠΉ ΡΠ΅ΡΠΈ | |
Using networks | Π Π°Π±ΠΎΡΠ° Ρ ΡΠ΅ΡΡΡ | |
sim | ΠΠΎΠ΄Π΅Π»ΠΈΡΠΎΠ²Π°Π½ΠΈΠ΅ ΡΠ΅ΡΠΈ | |
Weight functions | Π€ΡΠ½ΠΊΡΠΈΠΈ Π²Π·Π²Π΅ΡΠΈΠ²Π°Π½ΠΈΡ | |
dist | ΠΠ²ΠΊΠ»ΠΈΠ΄ΠΎΠ²ΠΎ ΡΠ°ΡΡΡΠΎΡΠ½ΠΈΠ΅ | |
dotprod | Π‘ΠΊΠ°Π»ΡΡΠ½ΠΎΠ΅ ΠΏΡΠΎΠΈΠ·Π²Π΅Π΄Π΅Π½ΠΈΠ΅ | |
normprod | ΠΠΎΡΠΌΠΈΡΠΎΠ²Π°Π½Π½ΠΎΠ΅ ΡΠΊΠ°Π»ΡΡΠ½ΠΎΠ΅ ΠΏΡΠΎΠΈΠ·Π²Π΅Π΄Π΅Π½ΠΈΠ΅ | |
Net input functions | Π€ΡΠ½ΠΊΡΠΈΠΈ Π½Π°ΠΊΠΎΠΏΠ»Π΅Π½ΠΈΡ | |
netprod | ΠΡΠΎΠΈΠ·Π²Π΅Π΄Π΅Π½ΠΈΠ΅ Π²Π·Π²Π΅ΡΠ΅Π½Π½ΡΡ Π²Ρ ΠΎΠ΄ΠΎΠ² | |
netsum | Π‘ΡΠΌΠΌΠ° Π²Π·Π²Π΅ΡΠ΅Π½Π½ΡΡ Π²Ρ ΠΎΠ΄ΠΎΠ² | |
Transfer functions | Π€ΡΠ½ΠΊΡΠΈΠΈ Π°ΠΊΡΠΈΠ²Π°ΡΠΈΠΈ | |
compet | ΠΠΎΠ½ΠΊΡΡΠΈΡΡΡΡΠ°Ρ ΡΡΠ½ΠΊΡΠΈΡ Π°ΠΊΡΠΈΠ²Π°ΡΠΈΠΈ | |
purelin | Π€ΡΠ½ΠΊΡΠΈΡ Π°ΠΊΡΠΈΠ²Π°ΡΠΈΠΈ Ρ ΠΆΠ΅ΡΡΠΊΠΈΠΌΠΈ ΠΎΠ³ΡΠ°Π½ΠΈΡΠ΅Π½ΠΈΡΠΌΠΈ | |
radbas | Π Π°Π΄ΠΈΠ°Π»ΡΠ½Π°Ρ Π±Π°Π·ΠΈΡΠ½Π°Ρ ΡΡΠ½ΠΊΡΠΈΡ Π°ΠΊΡΠΈΠ²Π°ΡΠΈΠΈ | |
Performance | Π€ΡΠ½ΠΊΡΠΈΠΈ ΠΎΡΠ΅Π½ΠΊΠΈ ΠΊΠ°ΡΠ΅ΡΡΠ²Π° ΡΠ΅ΡΠΈ | |
mse | Π‘ΡΠ΅Π΄Π½Π΅ΠΊΠ²Π°Π΄ΡΠ°ΡΠΈΡΠ½Π°Ρ ΠΏΠΎΠ³ΡΠ΅ΡΠ½ΠΎΡΡΡ | |
Signals | ΠΡΠ΅ΠΎΠ±ΡΠ°Π·ΠΎΠ²Π°Π½ΠΈΠ΅ Π΄Π°Π½Π½ΡΡ | |
ind2vec | ΠΡΠ΅ΠΎΠ±ΡΠ°Π·ΠΎΠ²Π°Π½ΠΈΠ΅ ΠΈΠ½Π΄Π΅ΠΊΡΠ½ΠΎΠ³ΠΎ Π²Π΅ΠΊΡΠΎΡΠ° Π² ΠΌΠ°ΡΡΠΈΡΡ ΡΠ²ΡΠ·Π½ΠΎΡΡΠΈ | |
vec2ind | ΠΡΠ΅ΠΎΠ±ΡΠ°Π·ΠΎΠ²Π°Π½ΠΈΠ΅ ΠΌΠ°ΡΡΠΈΡΡ ΡΠ²ΡΠ·Π½ΠΎΡΡΠΈ Π² ΠΈΠ½Π΄Π΅ΠΊΡΠ½ΡΠΉ Π²Π΅ΠΊΡΠΎΡ | |
Demonstrations | ΠΠ΅ΠΌΠΎΠ½ΡΡΡΠ°ΡΠΈΠΎΠ½Π½ΡΠ΅ ΠΏΡΠΈΠΌΠ΅ΡΡ | |
demorb1 | Π Π°Π΄ΠΈΠ°Π»ΡΠ½ΡΠ΅ Π±Π°Π·ΠΈΡΠ½ΡΠ΅ ΡΠ΅ΡΠΈ | |
demorb3 | ΠΡΠΈΠΌΠ΅Ρ Π½Π΅ΠΏΠ΅ΡΠ΅ΠΊΡΡΠ²Π°ΡΡΠΈΡ ΡΡ ΡΡΠ½ΠΊΡΠΈΠΉ Π°ΠΊΡΠΈΠ²Π°ΡΠΈΠΈ | |
demorb4 | ΠΡΠΈΠΌΠ΅Ρ ΠΏΠ΅ΡΠ΅ΠΊΡΡΠ²Π°ΡΡΠΈΡ ΡΡ ΡΡΠ½ΠΊΡΠΈΠΉ Π°ΠΊΡΠΈΠ²Π°ΡΠΈΠΈ | |
demogrn1 | Π‘Π΅ΡΡ GRNN ΠΈ Π°ΠΏΠΏΡΠΎΠΊΡΠΈΠΌΠ°ΡΠΈΡ ΡΡΠ½ΠΊΡΠΈΠΉ | |
demopnn1 | Π‘Π΅ΡΡ PNN ΠΈ ΠΊΠ»Π°ΡΡΠΈΡΠΈΠΊΠ°ΡΠΈΡ Π²Π΅ΠΊΡΠΎΡΠΎΠ² | |
Π½Π΅ΠΉΡΠΎΠ½Π½ΡΠΉ ΡΠ΅ΡΡ ΡΠ΅ΠΊΡΡΡΠ΅Π½ΡΠ½ΡΠΉ ΡΠ»ΠΌΠ°Π½
5. Π Π΅ΠΊΡΡΡΠ΅Π½ΡΠ½ΡΠ΅ ΡΠ΅ΡΠΈ
ΠΡΠ²Π°ΡΡ 2 ΡΠΈΠΏΠ° ΡΠ΅ΠΊΡΡΡΠ΅Π½ΡΠ½ΡΡ Π½Π΅ΠΉΡΠΎΠ½Π½ΡΡ ΡΠ΅ΡΠ΅ΠΉ, ΠΏΡΠ΅Π΄ΡΡΠ°Π²Π»ΡΡΡΠΈΡ Π½Π°ΠΈΠ±ΠΎΠ»ΡΡΠΈΠΉ ΠΈΠ½ΡΠ΅ΡΠ΅Ρ Π΄Π»Ρ ΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°ΡΠ΅Π»Π΅ΠΉ, — ΡΡΠΎ ΠΊΠ»Π°ΡΡ ΡΠ΅ΡΠ΅ΠΉ ΠΠ»ΠΌΠ°Π½Π° (Elman) ΠΈ ΠΊΠ»Π°ΡΡ ΡΠ΅ΡΠ΅ΠΉ Π₯ΠΎΠΏΡΠΈΠ»Π΄Π° (Hopfield). Π₯Π°ΡΠ°ΠΊΡΠ΅ΡΠ½ΠΎΠΉ ΠΎΡΠΎΠ±Π΅Π½Π½ΠΎΡΡΡΡ Π°ΡΡ ΠΈΡΠ΅ΠΊΡΡΡΡ ΡΠ΅ΠΊΡΡΡΠ΅Π½ΡΠ½ΠΎΠΉ ΡΠ΅ΡΠΈ ΡΠ²Π»ΡΠ΅ΡΡΡ Π½Π°Π»ΠΈΡΠΈΠ΅ Π±Π»ΠΎΠΊΠΎΠ² Π΄ΠΈΠ½Π°ΠΌΠΈΡΠ΅ΡΠΊΠΎΠΉ Π·Π°Π΄Π΅ΡΠΆΠΊΠΈ ΠΈ ΠΎΠ±ΡΠ°ΡΠ½ΡΡ ΡΠ²ΡΠ·Π΅ΠΉ. ΠΡΠΎ ΠΏΠΎΠ·Π²ΠΎΠ»ΡΠ΅Ρ ΡΠ°ΠΊΠΈΠΌ ΡΠ΅ΡΡΠΌ ΠΎΠ±ΡΠ°Π±Π°ΡΡΠ²Π°ΡΡ Π΄ΠΈΠ½Π°ΠΌΠΈΡΠ΅ΡΠΊΠΈΠ΅ ΠΌΠΎΠ΄Π΅Π»ΠΈ.
5.1 ΠΠ΅ΠΉΡΠΎΠ½Π½Π°Ρ ΡΠ΅ΡΡ (ΠΠ»ΠΌΠ°Π½Π°)
ΠΠ΅ΠΉΡΠΎΠ½Π½Π°Ρ ΡΠ΅ΡΡ ΠΠ»ΠΌΠ°Π½Π° — ΠΎΠ΄ΠΈΠ½ ΠΈΠ· Π²ΠΈΠ΄ΠΎΠ² ΡΠ΅ΠΊΡΡΡΠ΅Π½ΡΠ½ΠΎΠΉ ΡΠ΅ΡΠΈ, ΡΠΎΡΡΠΎΡΡΠ°Ρ ΠΈΠ· Π΄Π²ΡΡ ΡΠ»ΠΎΠ΅Π² Π² ΠΊΠΎΡΠΎΡΠΎΠΉ ΡΠΊΡΡΡΡΠΉ ΡΠ»ΠΎΠΉ ΠΎΡ Π²Π°ΡΠ΅Π½ Π΄ΠΈΠ½Π°ΠΌΠΈΡΠ΅ΡΠΊΠΎΠΉ ΠΎΠ±ΡΠ°ΡΠ½ΠΎΠΉ ΡΠ²ΡΠ·ΡΡ ΠΏΠΎΠ»ΡΡΠ°Π΅ΠΌΠΎΠ³ΠΎ ΠΈΠ· ΠΌΠ½ΠΎΠ³ΠΎΡΠ»ΠΎΠΉΠ½ΠΎΠ³ΠΎ ΠΏΠ΅ΡΡΠ΅ΠΏΡΡΠΎΠ½Π° Π²Π²Π΅Π΄Π΅Π½ΠΈΠ΅ΠΌ ΠΎΠ±ΡΠ°ΡΠ½ΡΡ ΡΠ²ΡΠ·Π΅ΠΉ, ΡΠΎΠ»ΡΠΊΠΎ ΡΠ²ΡΠ·ΠΈ ΠΈΠ΄ΡΡ Π½Π΅ ΠΎΡ Π²ΡΡ ΠΎΠ΄Π° ΡΠ΅ΡΠΈ, Π° ΠΎΡ Π²ΡΡ ΠΎΠ΄ΠΎΠ² Π²Π½ΡΡΡΠ΅Π½Π½ΠΈΡ Π½Π΅ΠΉΡΠΎΠ½ΠΎΠ². ΠΡΠΎ ΠΏΠΎΠ·Π²ΠΎΠ»ΡΠ΅Ρ ΡΡΠ΅ΡΡΡ ΠΏΡΠ΅Π΄ΡΡΡΠΎΡΠΈΡ Π½Π°Π±Π»ΡΠ΄Π°Π΅ΠΌΡΡ ΠΏΡΠΎΡΠ΅ΡΡΠΎΠ² ΠΈ Π½Π°ΠΊΠΎΠΏΠΈΡΡ ΠΈΠ½ΡΠΎΡΠΌΠ°ΡΠΈΡ Π΄Π»Ρ Π²ΡΡΠ°Π±ΠΎΡΠΊΠΈ ΠΏΡΠ°Π²ΠΈΠ»ΡΠ½ΠΎΠΉ ΡΡΡΠ°ΡΠ΅Π³ΠΈΠΈ ΡΠΏΡΠ°Π²Π»Π΅Π½ΠΈΡ. ΠΡΠΈ ΡΠ΅ΡΠΈ ΠΌΠΎΠ³ΡΡ ΠΏΡΠΈΠΌΠ΅Π½ΡΡΡΡΡ Π² ΡΠΈΡΡΠ΅ΠΌΠ°Ρ ΡΠΏΡΠ°Π²Π»Π΅Π½ΠΈΡ Π΄Π²ΠΈΠΆΡΡΠΈΠΌΠΈΡΡ ΠΎΠ±ΡΠ΅ΠΊΡΠ°ΠΌΠΈ, ΡΠ°ΠΊ ΠΊΠ°ΠΊ ΠΈΡ Π³Π»Π°Π²Π½ΠΎΠΉ ΠΎΡΠΎΠ±Π΅Π½Π½ΠΎΡΡΡΡ ΡΠ²Π»ΡΠ΅ΡΡΡ Π·Π°ΠΏΠΎΠΌΠΈΠ½Π°Π½ΠΈΠ΅ ΠΏΠΎΡΠ»Π΅Π΄ΠΎΠ²Π°ΡΠ΅Π»ΡΠ½ΠΎΡΡΠ΅ΠΉ.
ΠΠ° ΠΎΡΠ½ΠΎΠ²Π΅ ΡΠ΅ΡΠΈ ΠΠ»ΠΌΠ°Π½Π° ΡΡΡΠΎΠΈΡΡΡ Π½Π΅ΠΉΡΠΎΠ½Π½Π°Ρ ΡΠ΅ΡΡ ΠΊΠ»Π°ΡΡΠ° RAAM, ΠΊΠΎΡΠΎΡΠ°Ρ ΠΏΠΎ ΡΠ²ΠΎΠ΅ΠΉ ΡΡΡΡΠΊΡΡΡΠ΅ ΠΏΠΎΠ²ΡΠΎΡΡΠ΅Ρ ΡΠ»ΠΌΠ°Π½ΠΎΠ²ΡΠΊΡΡ. RAAM (Π Π΅ΠΊΡΡΡΠΈΠ²Π½Π°Ρ Π°Π²ΡΠΎ-Π°ΡΡΠΎΡΠΈΠ°ΡΠΈΠ²Π½Π°Ρ ΠΏΠ°ΠΌΡΡΡ) — ΡΡΠΎ Π΄Π²ΠΎΠΉΠ½Π°Ρ ΡΠ΅ΡΡ ΠΠ»ΠΌΠ°Π½Π° Π²ΠΈΠ΄Π° 2N-N-2N, ΠΊΠΎΡΠΎΡΡΡ ΠΈΡΠΏΠΎΠ»ΡΠ·ΡΡΡ Π΄Π»Ρ ΡΠΆΠ°ΡΠΈΡ ΠΈ ΡΠΈΡΡΠΎΠ²Π°Π½ΠΈΡ ΠΈΠ½ΡΠΎΡΠΌΠ°ΡΠΈΠΈ. ΠΠ° Π²Ρ ΠΎΠ΄ ΡΠ΅ΡΠΈ ΠΏΠΎΠ΄Π°ΡΡΡΡ Π±ΠΈΡΠΎΠ²ΡΠΉ ΡΠΈΠ³Π½Π°Π» ΠΈΠ· 2N Π±ΠΈΡΠΎΠ². ΠΠ±ΡΡΠ½ΠΎ ΡΠ΅ΡΡ ΠΈΠΌΠ΅Π΅Ρ ΡΠ°Π·ΠΌΠ΅Ρ 20−10−20, ΠΏΠ΅ΡΠ²ΡΠ΅ 10 Π±ΠΈΡ Π½Π°Π·ΡΠ²Π°ΡΡΡΡ «Π»Π΅Π²ΡΠΌΠΈ», Π²ΡΠΎΡΡΠ΅ 10 Π±ΠΈΡ — «ΠΏΡΠ°Π²ΡΠΌΠΈ». Π ΡΠ°ΠΌΠΎΠΌ Π½Π°ΡΠ°Π»Π΅ Π½Π° Π»Π΅Π²ΡΡ ΠΌΠ°ΡΡΠΈΡΡ ΠΏΠΎΠ΄Π°ΡΡΡΡ Π½ΡΠ»Π΅Π²ΠΎΠΉ Π²Π΅ΠΊΡΠΎΡ Π±ΠΈΡ (0), Π° Π½Π° ΠΏΡΠ°Π²ΡΡ — ΠΊΠΎΠ΄ ΡΠΈΠΌΠ²ΠΎΠ»Π° ΠΈΠ»ΠΈ ΠΏΡΠ΅Π΄Π»ΠΎΠΆΠ΅Π½ΠΈΡ (Π½Π°ΠΏΡΠΈΠΌΠ΅Ρ, 10 000 000="Π"). Π’ΠΎ ΠΆΠ΅ ΡΠ°ΠΌΠΎΠ΅ ΠΏΠΎΠ΄Π°ΡΡΡΡ Π½Π° Π²ΡΡ ΠΎΠ΄Π½ΡΠ΅ ΠΌΠ°ΡΡΠΈΡΡ. ΠΠ΅ΡΠΎΠ΄ΠΎΠΌ ΠΎΠ±ΡΠ°ΡΠ½ΠΎΠ³ΠΎ ΡΠ°ΡΠΏΡΠΎΡΡΡΠ°Π½Π΅Π½ΠΈΡ ΠΎΡΠΈΠ±ΠΊΠΈ ΡΠ΅ΡΡ ΠΎΠ±ΡΡΠ°Π΅ΡΡΡ. ΠΠ°ΡΠ΅ΠΌ 10 Π±ΠΈΡ ΠΈΠ· ΡΠΊΡΡΡΠΎΠ³ΠΎ ΡΠ»ΠΎΡ ΠΏΠ΅ΡΠ΅Π΄Π°ΡΡΡΡ Π½Π° Π»Π΅Π²ΡΡ Π²Ρ ΠΎΠ΄Π½ΡΡ ΠΌΠ°ΡΡΠΈΡΡ, Π° Π½Π° ΠΏΡΠ°Π²ΡΡ ΠΏΠΎΡΡΡΠΏΠ°Π΅Ρ ΠΎΡΠ΅ΡΠ΅Π΄Π½ΠΎΠΉ ΡΠΈΠΌΠ²ΠΎΠ». Π ΠΏΡΠΎΡΠ΅ΡΡΠ΅ ΡΠ°ΠΊΠΎΠ³ΠΎ ΡΠ΅ΠΊΡΡΡΠΈΠ²Π½ΠΎΠ³ΠΎ ΠΎΠ±ΡΡΠ΅Π½ΠΈΡ ΠΈΠ½ΡΠΎΡΠΌΠ°ΡΠΈΡ ΡΠΆΠΈΠΌΠ°Π΅ΡΡΡ ΠΈ ΡΠΈΡΡΡΠ΅ΡΡΡ, ΡΡΠΎ Π±ΡΠ»ΠΎ ΠΏΡΠΈΠΌΠ΅Π½Π΅Π½ΠΎ Π½Π° ΠΏΡΠ°ΠΊΡΠΈΠΊΠ΅ ΡΡΠ°Π½ΡΡΠ·ΡΠΊΠΈΠΌ ΠΏΡΠΎΡΠ΅ΡΡΠΎΡΠΎΠΌ Π’ΠΎΠΌΠ°ΡΠΎΠΌ ΠΡΠ³ΡΠ»Π΅Π½ΠΎΠΌ Π² 2002 Π³ΠΎΠ΄Ρ Π² ΡΠ°Π±ΠΎΡΠ΅ «Neural Networks and Self-Reference».
ΠΡΡ ΠΈΡΠ΅ΠΊΡΡΡΠ° ΡΠ΅ΡΠΈ
Π ΠΈΡ. 5
ΠΠ΅ΠΉΡΠΎΠ½Π½Π°Ρ ΡΠ΅ΡΡ ΠΠ»ΠΌΠ°Π½Π° Π² Matlab.
ΠΠΎ ΠΊΠΎΠΌΠ°Π½Π΄Π΅ help elman ΠΌΠΎΠΆΠ½ΠΎ ΠΏΠΎΠ»ΡΡΠΈΡΡ ΡΠ»Π΅Π΄ΡΡΡΡΡ ΠΈΠ½ΡΠΎΡΠΌΠ°ΡΠΈΡ ΠΎΠ± Π-ΡΡΠ½ΠΊΡΠΈΡΡ , Π²Ρ ΠΎΠ΄ΡΡΠΈΡ Π² ΡΠΎΡΡΠ°Π² ΠΠΠ Neural Network Toolbox ΠΈ ΠΎΡΠ½ΠΎΡΡΡΠΈΡ ΡΡ ΠΊ ΠΏΠΎΡΡΡΠΎΠ΅Π½ΠΈΡ ΡΠ΅ΡΠ΅ΠΉ ΠΠ»ΠΌΠ°Π½Π°:
Π’Π°Π±Π»ΠΈΡΠ° 5
Elman recurrent networks | Π Π΅ΠΊΡΡΡΠ΅Π½ΡΠ½ΡΠ΅ ΡΠ΅ΡΠΈ ΠΠ»ΠΌΠ°Π½Π° | |
New networks | Π€ΠΎΡΠΌΠΈΡΠΎΠ²Π°Π½ΠΈΠ΅ ΡΠ΅ΡΠΈ | |
newelm | Π‘ΠΎΠ·Π΄Π°Π½ΠΈΠ΅ ΡΠ΅ΡΠΈ ΠΠ»ΠΌΠ°Π½Π° | |
Using networks | Π Π°Π±ΠΎΡΠ° Ρ ΡΠ΅ΡΡΡ | |
sim init adapt train | ΠΠΎΠ΄Π΅Π»ΠΈΡΠΎΠ²Π°Π½ΠΈΠ΅ ΠΠ½ΠΈΡΠΈΠ°Π»ΠΈΠ·Π°ΡΠΈΡ ΠΠ΄Π°ΠΏΡΠ°ΡΠΈΡ ΠΠ±ΡΡΠ΅Π½ΠΈΠ΅ | |
Weight functions | Π€ΡΠ½ΠΊΡΠΈΠΈ Π²Π·Π²Π΅ΡΠΈΠ²Π°Π½ΠΈΡ | |
dotprod ddotprod | Π‘ΠΊΠ°Π»ΡΡΠ½ΠΎΠ΅ ΠΏΡΠΎΠΈΠ·Π²Π΅Π΄Π΅Π½ΠΈΠ΅ ΠΡΠΎΠΈΠ·Π²ΠΎΠ΄Π½Π°Ρ ΡΠΊΠ°Π»ΡΡΠ½ΠΎΠ³ΠΎ ΠΏΡΠΎΠΈΠ·Π²Π΅Π΄Π΅Π½ΠΈΡ | |
Net input functions | Π€ΡΠ½ΠΊΡΠΈΠΈ Π½Π°ΠΊΠΎΠΏΠ»Π΅Π½ΠΈΡ | |
netsum dnetsum | Π‘ΡΠΌΠΌΠ° Π²Π·Π²Π΅ΡΠ΅Π½Π½ΡΡ Π²Ρ ΠΎΠ΄ΠΎΠ² ΠΡΠΎΠΈΠ·Π²ΠΎΠ΄Π½Π°Ρ ΡΡΠΌΠΌΡ Π²Π·Π²Π΅ΡΠ΅Π½Π½ΡΡ Π²Ρ ΠΎΠ΄ΠΎΠ² | |
Transfer functions | Π€ΡΠ½ΠΊΡΠΈΠΈ Π°ΠΊΡΠΈΠ²Π°ΡΠΈΠΈ | |
purelin tansig logsig dpurelin dtansig dlogsig | ΠΠΈΠ½Π΅ΠΉΠ½Π°Ρ ΠΠΈΠΏΠ΅ΡΠ±ΠΎΠ»ΠΈΡΠ΅ΡΠΊΠΈΠΉ ΡΠ°Π½Π³Π΅Π½Ρ ΠΠΎΠ³ΠΈΡΡΠΈΡΠ΅ΡΠΊΠ°Ρ ΠΡΠΎΠΈΠ·Π²ΠΎΠ΄Π½Π°Ρ Π»ΠΈΠ½Π΅ΠΉΠ½ΠΎΠΉ ΡΡΠ½ΠΊΡΠΈΠΈ ΠΡΠΎΠΈΠ·Π²ΠΎΠ΄Π½Π°Ρ Π³ΠΈΠΏΠ΅ΡΠ±ΠΎΠ»ΠΈΡΠ΅ΡΠΊΠΎΠ³ΠΎ ΡΠ°Π½Π³Π΅Π½ΡΠ° ΠΡΠΎΠΈΠ·Π²ΠΎΠ΄Π½Π°Ρ Π»ΠΎΠ³ΠΈΡΡΠΈΡΠ΅ΡΠΊΠΎΠΉ ΡΡΠ½ΠΊΡΠΈΠΈ | |
Performance functions | Π€ΡΠ½ΠΊΡΠΈΠΈ ΠΎΡΠ΅Π½ΠΊΠΈ ΠΊΠ°ΡΠ΅ΡΡΠ²Π° ΡΠ΅ΡΠΈ | |
mse msereg dmse dmsereg | Π‘ΡΠ΅Π΄Π½Π΅ΠΊΠ²Π°Π΄ΡΠ°ΡΠΈΡΠ½Π°Ρ ΠΎΡΠΈΠ±ΠΊΠ° ΠΎΠ±ΡΡΠ΅Π½ΠΈΡ Π‘ΡΠ΅Π΄Π½Π΅ΠΊΠ²Π°Π΄ΡΠ°ΡΠΈΡΠ½Π°Ρ ΠΎΡΠΈΠ±ΠΊΠ° ΠΎΠ±ΡΡΠ΅Π½ΠΈΡ ΠΏΡΠΈ ΠΏΡΠΈΠΌΠ΅Π½Π΅Π½ΠΈΠΈ ΡΠ΅Π³ΡΠ»ΡΡΠΈΠ·Π°ΡΠΈΠΈ ΠΡΠΎΠΈΠ·Π²ΠΎΠ΄Π½Π°Ρ ΡΡΠ΅Π΄Π½Π΅ΠΊΠ²Π°Π΄ΡΠ°ΡΠΈΡΠ½ΠΎΠΉ ΠΎΡΠΈΠ±ΠΊΠΈ ΠΎΠ±ΡΡΠ΅Π½ΠΈΡ ΠΡΠΎΠΈΠ·Π²ΠΎΠ΄Π½Π°Ρ ΡΡΠ΅Π΄Π½Π΅ΠΊΠ²Π°Π΄ΡΠ°ΡΠΈΡΠ½ΠΎΠΉ ΠΎΡΠΈΠ±ΠΊΠΈ ΠΎΠ±ΡΡΠ΅Π½ΠΈΡ ΠΏΡΠΈ ΠΏΡΠΈΠΌΠ΅Π½Π΅Π½ΠΈΠΈ ΡΠ΅Π³ΡΠ»ΡΡΠΈΠ·Π°ΡΠΈΠΈ | |
Initialization functions | Π€ΡΠ½ΠΊΡΠΈΠΈ ΠΈΠ½ΠΈΡΠΈΠ°Π»ΠΈΠ·Π°ΡΠΈΠΈ ΡΠ΅ΡΠΈ | |
initlay initnw | ΠΠΎΡΠ»ΠΎΠΉΠ½Π°Ρ ΠΈΠ½ΠΈΡΠΈΠ°Π»ΠΈΠ·Π°ΡΠΈΡ Π€ΡΠ½ΠΊΡΠΈΡ NW (Nguyen — Widrow) | |
Learning functions | Π€ΡΠ½ΠΊΡΠΈΠΈ Π½Π°ΡΡΡΠΎΠΉΠΊΠΈ ΠΏΠ°ΡΠ°ΠΌΠ΅ΡΡΠΎΠ² | |
learngd learngdm | Π€ΡΠ½ΠΊΡΠΈΡ Π½Π°ΡΡΡΠΎΠΉΠΊΠΈ ΠΌΠ΅ΡΠΎΠ΄ΠΎΠΌ Π³ΡΠ°Π΄ΠΈΠ΅Π½ΡΠ½ΠΎΠ³ΠΎ ΡΠΏΡΡΠΊΠ° Π€ΡΠ½ΠΊΡΠΈΡ Π½Π°ΡΡΡΠΎΠΉΠΊΠΈ ΠΌΠ΅ΡΠΎΠ΄ΠΎΠΌ Π³ΡΠ°Π΄ΠΈΠ΅Π½ΡΠ½ΠΎΠ³ΠΎ ΡΠΏΡΡΠΊΠ° Ρ Π²ΠΎΠ·ΠΌΡΡΠ΅Π½ΠΈΠ΅ΠΌ | |
Adapt functions | Π€ΡΠ½ΠΊΡΠΈΠΈ Π°Π΄Π°ΠΏΡΠ°ΡΠΈΠΈ | |
adapt | ΠΠ΄Π°ΠΏΡΠ°ΡΠΈΡ Π²Π΅ΡΠΎΠ² ΠΈ ΡΠΌΠ΅ΡΠ΅Π½ΠΈΠΉ | |
Training functions | Π€ΡΠ½ΠΊΡΠΈΠΈ ΠΎΠ±ΡΡΠ΅Π½ΠΈΡ | |
traingd traingdm traingda | ΠΡΠ°Π΄ΠΈΠ΅Π½ΡΠ½ΡΠΉ ΡΠΏΡΡΠΊ ΠΏΠΎ ΠΏΡΠ°Π²ΠΈΠ»Ρ ΠΎΠ±ΡΠ°ΡΠ½ΠΎΠ³ΠΎ ΡΠ°ΡΠΏΡΠΎΡΡΡΠ°Π½Π΅Π½ΠΈΡ ΠΎΡΠΈΠ±ΠΊΠΈ ΠΡΠ°Π΄ΠΈΠ΅Π½ΡΠ½ΡΠΉ ΡΠΏΡΡΠΊ Ρ Π²ΠΎΠ·ΠΌΡΡΠ΅Π½ΠΈΠ΅ΠΌ ΠΡΠ°Π΄ΠΈΠ΅Π½ΡΠ½ΡΠΉ ΡΠΏΡΡΠΊ Ρ Π°Π΄Π°ΠΏΡΠ°ΡΠΈΠ΅ΠΉ ΠΏΠ°ΡΠ°ΠΌΠ΅ΡΡΠ° ΡΠΊΠΎΡΠΎΡΡΠΈ Π½Π°ΡΡΡΠΎΠΉΠΊΠΈ | |
Demonstrations | ΠΠ΅ΠΌΠΎΠ½ΡΡΡΠ°ΡΠΈΠΎΠ½Π½ΡΠ΅ ΠΏΡΠΈΠΌΠ΅ΡΡ | |
appelm1 | ΠΡΠΈΠΌΠ΅Ρ ΡΠ΅ΠΊΡΡΡΠ΅Π½ΡΠ½ΠΎΠΉ ΡΠ΅ΡΠΈ ΠΠ»ΠΌΠ°Π½Π° | |
5.2 ΠΠ΅ΠΉΡΠΎΠ½Π½Π°Ρ ΡΠ΅ΡΡ (Π₯ΠΎΠΏΡΠΈΠ»Π΄Π°) ΠΠ΅ΠΉΡΠΎΠΌΠ½Π½Π°Ρ ΡΠ΅ΡΡ Π₯ΠΎΠΏΡΠΈΠ»Π΄Π° — ΠΏΠΎΠ»Π½ΠΎΡΠ²ΡΠ·Π½Π°Ρ Π½Π΅ΠΉΡΠΎΠ½Π½Π°Ρ ΡΠ΅ΡΡ Ρ ΡΠΈΠΌΠΌΠ΅ΡΡΠΈΡΠ½ΠΎΠΉ ΠΌΠ°ΡΡΠΈΡΠ΅ΠΉ ΡΠ²ΡΠ·Π΅ΠΉ. Π ΠΏΡΠΎΡΠ΅ΡΡΠ΅ ΡΠ°Π±ΠΎΡΡ Π΄ΠΈΠ½Π°ΠΌΠΈΠΊΠ° ΡΠ°ΠΊΠΈΡ ΡΠ΅ΡΠ΅ΠΉ ΡΡ ΠΎΠ΄ΠΈΡΡΡ (ΠΊΠΎΠ½Π²Π΅ΡΠ³ΠΈΡΡΠ΅Ρ) ΠΊ ΠΎΠ΄Π½ΠΎΠΌΡ ΠΈΠ· ΠΏΠΎΠ»ΠΎΠΆΠ΅Π½ΠΈΠΉ ΡΠ°Π²Π½ΠΎΠ²Π΅ΡΠΈΡ. ΠΡΠΈ ΠΏΠΎΠ»ΠΎΠΆΠ΅Π½ΠΈΡ ΡΠ°Π²Π½ΠΎΠ²Π΅ΡΠΈΡ ΡΠ²Π»ΡΡΡΡΡ Π»ΠΎΠΊΠ°Π»ΡΠ½ΡΠΌΠΈ ΠΌΠΈΠ½ΠΈΠΌΡΠΌΠ°ΠΌΠΈ ΡΡΠ½ΠΊΡΠΈΠΎΠ½Π°Π»Π°, Π½Π°Π·ΡΠ²Π°Π΅ΠΌΠΎΠ³ΠΎ ΡΠ½Π΅ΡΠ³ΠΈΠ΅ΠΉ ΡΠ΅ΡΠΈ (Π² ΠΏΡΠΎΡΡΠ΅ΠΉΡΠ΅ΠΌ ΡΠ»ΡΡΠ°Π΅ — Π»ΠΎΠΊΠ°Π»ΡΠ½ΡΠΌΠΈ ΠΌΠΈΠ½ΠΈΠΌΡΠΌΠ°ΠΌΠΈ ΠΎΡΡΠΈΡΠ°ΡΠ΅Π»ΡΠ½ΠΎ ΠΎΠΏΡΠ΅Π΄Π΅Π»ΡΠ½Π½ΠΎΠΉ ΠΊΠ²Π°Π΄ΡΠ°ΡΠΈΡΠ½ΠΎΠΉ ΡΠΎΡΠΌΡ Π½Π° n-ΠΌΠ΅ΡΠ½ΠΎΠΌ ΠΊΡΠ±Π΅). Π’Π°ΠΊΠ°Ρ ΡΠ΅ΡΡ ΠΌΠΎΠΆΠ΅Ρ Π±ΡΡΡ ΠΈΡΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°Π½Π° ΠΊΠ°ΠΊ Π°Π²ΡΠΎΠ°ΡΡΠΎΡΠΈΠ°ΡΠΈΠ²Π½Π°Ρ ΠΏΠ°ΠΌΡΡΡ, ΠΊΠ°ΠΊ ΡΠΈΠ»ΡΡΡ, Π° ΡΠ°ΠΊΠΆΠ΅ Π΄Π»Ρ ΡΠ΅ΡΠ΅Π½ΠΈΡ Π½Π΅ΠΊΠΎΡΠΎΡΡΡ Π·Π°Π΄Π°Ρ ΠΎΠΏΡΠΈΠΌΠΈΠ·Π°ΡΠΈΠΈ. Π ΠΎΡΠ»ΠΈΡΠΈΠ΅ ΠΎΡ ΠΌΠ½ΠΎΠ³ΠΈΡ Π½Π΅ΠΉΡΠΎΠ½Π½ΡΡ ΡΠ΅ΡΠ΅ΠΉ, ΡΠ°Π±ΠΎΡΠ°ΡΡΠΈΡ Π΄ΠΎ ΠΏΠΎΠ»ΡΡΠ΅Π½ΠΈΡ ΠΎΡΠ²Π΅ΡΠ° ΡΠ΅ΡΠ΅Π· ΠΎΠΏΡΠ΅Π΄Π΅Π»ΡΠ½Π½ΠΎΠ΅ ΠΊΠΎΠ»ΠΈΡΠ΅ΡΡΠ²ΠΎ ΡΠ°ΠΊΡΠΎΠ², ΡΠ΅ΡΠΈ Π₯ΠΎΠΏΡΠΈΠ»Π΄Π° ΡΠ°Π±ΠΎΡΠ°ΡΡ Π΄ΠΎ Π΄ΠΎΡΡΠΈΠΆΠ΅Π½ΠΈΡ ΡΠ°Π²Π½ΠΎΠ²Π΅ΡΠΈΡ, ΠΊΠΎΠ³Π΄Π° ΡΠ»Π΅Π΄ΡΡΡΠ΅Π΅ ΡΠΎΡΡΠΎΡΠ½ΠΈΠ΅ ΡΠ΅ΡΠΈ Π² ΡΠΎΡΠ½ΠΎΡΡΠΈ ΡΠ°Π²Π½ΠΎ ΠΏΡΠ΅Π΄ΡΠ΄ΡΡΠ΅ΠΌΡ: Π½Π°ΡΠ°Π»ΡΠ½ΠΎΠ΅ ΡΠΎΡΡΠΎΡΠ½ΠΈΠ΅ ΡΠ²Π»ΡΠ΅ΡΡΡ Π²Ρ ΠΎΠ΄Π½ΡΠΌ ΠΎΠ±ΡΠ°Π·ΠΎΠΌ, Π° ΠΏΡΠΈ ΡΠ°Π²Π½ΠΎΠ²Π΅ΡΠΈΠΈ ΠΏΠΎΠ»ΡΡΠ°ΡΡ Π²ΡΡ ΠΎΠ΄Π½ΠΎΠΉ ΠΎΠ±ΡΠ°Π·.
ΠΡΡ ΠΈΡΠ΅ΠΊΡΡΡΠ° ΡΠ΅ΡΠΈ Π ΠΈΡ. 6
ΠΠ΅ΠΉΡΠΎΠ½Π½Π°Ρ ΡΠ΅ΡΡ Π₯ΠΎΠΏΡΠΈΠ»Π΄Π° Π² Matlab.
ΠΠΎ ΠΊΠΎΠΌΠ°Π½Π΄Π΅ help hopfield ΠΌΠΎΠΆΠ½ΠΎ ΠΏΠΎΠ»ΡΡΠΈΡΡ ΡΠ»Π΅Π΄ΡΡΡΡΡ ΠΈΠ½ΡΠΎΡΠΌΠ°ΡΠΈΡ ΠΎΠ± Π-ΡΡΠ½ΠΊΡΠΈΡΡ , Π²Ρ ΠΎΠ΄ΡΡΠΈΡ Π² ΡΠΎΡΡΠ°Π² ΠΠΠ Neural Network Toolbox ΠΈ ΠΎΡΠ½ΠΎΡΡΡΠΈΡ ΡΡ ΠΊ ΠΏΠΎΡΡΡΠΎΠ΅Π½ΠΈΡ ΠΌΠΎΠ΄ΠΈΡΠΈΡΠΈΡΠΎΠ²Π°Π½Π½ΡΡ ΡΠ΅ΡΠ΅ΠΉ Π₯ΠΎΠΏΡΠΈΠ»Π΄Π°:
Π’Π°Π±Π»ΠΈΡΠ° 6
Hopfield recurrent networks | Π Π΅ΠΊΡΡΡΠ΅Π½ΡΠ½Π°Ρ ΠΌΠΎΠ΄ΠΈΡΠΈΡΠΈΡΠΎΠ²Π°Π½Π½Π°Ρ ΡΠ΅ΡΡ Π₯ΠΎΠΏΡΠΈΠ»Π΄Π° | |
New networks | Π€ΠΎΡΠΌΠΈΡΠΎΠ²Π°Π½ΠΈΠ΅ ΡΠ΅ΡΠΈ | |
newhop | Π‘ΠΎΠ·Π΄Π°Π½ΠΈΠ΅ ΠΌΠΎΠ΄ΠΈΡΠΈΡΠΈΡΠΎΠ²Π°Π½Π½ΠΎΠΉ ΡΠ΅ΡΠΈ Π₯ΠΎΠΏΡΠΈΠ»Π΄Π° | |
Weight functions | ΠΠΏΠ΅ΡΠ°ΡΠΈΠΈ Ρ Π²Π΅ΡΠΎΠ²ΠΎΠΉ ΡΡΠ½ΠΊΡΠΈΠ΅ΠΉ | |
dotprod | Π‘ΠΊΠ°Π»ΡΡΠ½ΠΎΠ΅ ΠΏΡΠΎΠΈΠ·Π²Π΅Π΄Π΅Π½ΠΈΠ΅ | |
Net input functions | ΠΠΏΠ΅ΡΠ°ΡΠΈΠΈ Π½Π°Π΄ Π²Ρ ΠΎΠ΄Π°ΠΌΠΈ | |
netsum | Π‘ΡΠΌΠΌΠΈΡΠΎΠ²Π°Π½ΠΈΠ΅ | |
Transfer functions | Π€ΡΠ½ΠΊΡΠΈΠΈ Π°ΠΊΡΠΈΠ²Π°ΡΠΈΠΈ | |
satlins | Π‘ΠΈΠΌΠΌΠ΅ΡΡΠΈΡΠ½Π°Ρ Π»ΠΈΠ½Π΅ΠΉΠ½Π°Ρ ΡΡΠ½ΠΊΡΠΈΡ Ρ ΠΎΠ³ΡΠ°Π½ΠΈΡΠ΅Π½ΠΈΡΠΌΠΈ | |
Demonstrations | ΠΠ΅ΠΌΠΎΠ½ΡΡΡΠ°ΡΠΈΠΎΠ½Π½ΡΠ΅ ΠΏΡΠΈΠΌΠ΅ΡΡ | |
demohop1 demohop2 demohop3 demohop4 | ΠΡΠΈΠΌΠ΅Ρ Π΄Π²ΡΠΌΠ΅ΡΠ½ΠΎΠΉ ΠΌΠΎΠ΄ΠΈΡΠΈΡΠΈΡΠΎΠ²Π°Π½Π½ΠΎΠΉ ΡΠ΅ΡΠΈ Π₯ΠΎΠΏΡΠΈΠ»Π΄Π° ΠΡΠΈΠΌΠ΅Ρ Π½Π΅ΡΡΡΠΎΠΉΡΠΈΠ²ΠΎΠΉ ΡΠΎΡΠΊΠΈ ΡΠ°Π²Π½ΠΎΠ²Π΅ΡΠΈΡ ΠΡΠΈΠΌΠ΅Ρ ΡΡΠ΅Ρ ΠΌΠ΅ΡΠ½ΠΎΠΉ ΠΌΠΎΠ΄ΠΈΡΠΈΡΠΈΡΠΎΠ²Π°Π½Π½ΠΎΠΉ ΡΠ΅ΡΠΈ Π₯ΠΎΠΏΡΠΈΠ»Π΄Π° ΠΡΠΈΠΌΠ΅Ρ ΡΡΡΠΎΠΉΡΠΈΠ²ΡΡ ΠΏΠ°ΡΠ°Π·ΠΈΡΠ½ΡΡ ΡΠΎΡΠ΅ΠΊ ΡΠ°Π²Π½ΠΎΠ²Π΅ΡΠΈΡ | |
Π¦Π΅Π»Ρ ΠΏΡΠΎΠ³ΡΠ°ΠΌΠΌΡ Π‘Π΅ΡΡ ΠΠ»ΠΌΠ°Π½Π°. ΠΡΡΠ»Π΅Π΄ΡΠ΅ΡΡΡ Π½Π° ΠΏΡΠΈΠΌΠ΅ΡΠ΅ ΡΠ°ΠΊΠΎΠΉ Π·Π°Π΄Π°ΡΠΈ Π΄Π΅ΡΠ΅ΠΊΡΠΈΡΠΎΠ²Π°Π½ΠΈΡ Π°ΠΌΠΏΠ»ΠΈΡΡΠ΄Ρ Π³Π°ΡΠΌΠΎΠ½ΠΈΡΠ΅ΡΠΊΠΎΠ³ΠΎ ΡΠΈΠ³Π½Π°Π»Π°. ΠΡΡΡΡ ΠΈΠ·Π²Π΅ΡΡΠ½ΠΎ, ΡΡΠΎ Π½Π° Π²Ρ ΠΎΠ΄ Π½Π΅ΠΉΡΠΎΠ½Π½ΠΎΠΉ ΡΠ΅ΡΠΈ ΠΏΠΎΡΡΡΠΏΠ°ΡΡ Π²ΡΠ±ΠΎΡΠΊΠΈ ΠΈΠ· Π½Π΅ΠΊΠΎΡΠΎΡΠΎΠ³ΠΎ Π½Π°Π±ΠΎΡΠ° ΡΠΈΠ½ΡΡΠΎΠΈΠ΄. Π’ΡΠ΅Π±ΡΠ΅ΡΡΡ Π²ΡΠ΄Π΅Π»ΠΈΡΡ Π·Π½Π°ΡΠ΅Π½ΠΈΡ Π°ΠΌΠΏΠ»ΠΈΡΡΠ΄ ΡΡΠΈΡ ΡΠΈΠ½ΡΡΠΎΠΈΠ΄.
6. ΠΠΎΠ΄ ΠΏΡΠΎΠ³ΡΠ°ΠΌΠΌΡ
%Π’ΡΠ΅Π±ΡΠ΅ΡΡΡ Π²ΡΠ΄Π΅Π»ΠΈΡΡ Π·Π½Π°ΡΠ΅Π½ΠΈΡ Π°ΠΌΠΏΠ»ΠΈΡΡΠ΄ ΡΡΠΈΡ ΡΠΈΠ½ΡΡΠΎΠΈΠ΄.
%ΠΠ°Π»Π΅Π΅ ΡΠ°ΡΡΠΌΠ°ΡΡΠΈΠ²Π°ΡΡΡΡ Π²ΡΠ±ΠΎΡΠΊΠΈ ΠΈΠ· Π½Π°Π±ΠΎΡΠ° Π΄Π²ΡΡ ΡΠΈΠ½ΡΡΠΎΠΈΠ΄ Ρ Π°ΠΌΠΏΠ»ΠΈΡΡΠ΄Π°ΠΌΠΈ 1.0 ΠΈ 2.0:
p1 = sin (1:20);
p2 = sin (1:20)*2;
%Π¦Π΅Π»Π΅Π²ΡΠ΅ Π²ΡΡ ΠΎΠ΄Ρ ΡΠ΅ΡΠΈ ΡΠ²Π»ΡΡΡΡΡ Π²Π΅ΠΊΡΠΎΡΡ
t1 = ones (1,20);
t2 = ones (1,20)*2;
%Π‘ΡΠΎΡΠΌΠΈΡΠΎΠ²Π°Π½Π½ΡΠΉ Π½Π°Π±ΠΎΡ Π²Π΅ΠΊΡΠΎΡΠΎΠ² Π²Ρ ΠΎΠ΄Π° ΠΈ ΡΠ΅Π»Π΅Π²ΡΡ Π²ΡΡ ΠΎΠ΄ΠΎΠ²
p = [p1 p2 p1 p2];
t = [t1 t2 t1 t2];
%Π‘ΡΠΎΡΠΌΠΈΡΠΎΠ²Π°Π½ΠΈΠ΅ ΠΎΠ±ΡΡΠ°ΡΡΠΈΡ ΠΏΠΎΡΠ»Π΅Π΄ΠΎΠ²Π°ΡΠ΅Π»ΡΠ½ΠΎΡΡΠ΅ΠΉ Π² Π²ΠΈΠ΄Π΅ ΠΌΠ°ΡΡΠΈΠ²ΠΎΠ² ΡΡΠ΅Π΅ΠΊ:
Pseq = con2seq (p);
Tseq = con2seq (t);
R = 1; % Π§ΠΈΡΠ»ΠΎ ΡΠ»Π΅ΠΌΠ΅Π½ΡΠΎΠ² Π²Ρ ΠΎΠ΄Π°
S2 = 1;% Π§ΠΈΡΠ»ΠΎ Π½Π΅ΠΉΡΠΎΠ½ΠΎΠ² Π²ΡΡ ΠΎΠ΄Π½ΠΎΠ³ΠΎ ΡΠ»ΠΎΡ
S1 = 10; % Π§ΠΈΡΠ»ΠΎ Π½Π΅ΠΉΡΠΎΠ½ΠΎΠ² ΡΠ΅ΠΊΡΡΡΠ΅Π½ΡΠ½ΠΎΠ³ΠΎ ΡΠ»ΠΎΡ
net = newelm ([-2 2],[S1 S2],{'tansig','purelin'},'traingdx');
%ΠΠ±ΡΡΠ΅Π½ΠΈΠ΅ ΡΠ΅ΡΠΈ
net.trainParam.epochs = 1000; %ΠΠ°ΠΊΡΠΈΠΌΠ°Π»ΡΠ½ΠΎΠ΅ ΠΊΠΎΠ»ΠΈΡΠ΅ΡΡΠ²ΠΎ ΡΠΏΠΎΡ ΡΡΠ΅Π½ΠΈΡΠΎΠ²ΠΊΠΈ;
net.trainParam.show = 25; %ΠΠΎΠ»ΠΈΡΠ΅ΡΡΠ²ΠΎ ΡΠΏΠΎΡ ΠΌΠ΅ΠΆΠ΄Ρ Π³ΡΠ°ΡΠΈΠΊΠ°ΠΌΠΈ;
net.trainParam.goal = 0.01; %Π£ΡΠ»ΠΎΠ²ΠΈΠ΅ ΠΎΡΡΠ°Π½ΠΎΠ²ΠΊΠΈ ΠΏΠΎ ΠΎΡΠΊΠ»ΠΎΠ½Π΅Π½ΠΈΡ ΠΎΡ ΡΡΠ°Π»ΠΎΠ½Π°;
[net, tr] = train (net, Pseq, Tseq); % Pseq ΠΈ Tseq Π²Ρ ΠΎΠ΄Π½ΡΠ΅ ΡΠ»Π΅ΠΌΠ΅Π½ΡΡ
%ΠΡΠΎΠ²Π΅ΡΠΊΠ° ΡΠ΅ΡΠΈ
%1 ΡΠ΅ΡΡΠΈΡΠΎΠ²Π°Π½ΠΈΠ΅
figure (2)
a = sim (net, Pseq);
time = 1: length (p);
plot (time, t, '—', time, cat (2,a{:}))
axis ([1 80 0.8 2.2]) % Π³ΡΠ°ΡΠΈΠΊ 1
%2 ΡΠ΅ΡΡΠΈΡΠΎΠ²Π°Π½ΠΈΠ΅
p3 = sin (1:20)*1.6;
t3 = ones (1,20)*1.6;
p4 = sin (1:20)*1.2;
t4 = ones (1,20)*1.2;
pg = [p3 p4 p3 p4];
tg = [t3 t4 t3 t4];
pgseq = con2seq (pg);
figure (3)
a = sim (net, pgseq);
ime = 1: length (pg);
plot (time, tg, '—', time, cat (2,a{:}))
axis ([1 80 0.8 2.2]) % Π³ΡΠ°ΡΠΈΠΊ 2
Π’Π΅ΡΡΠΈΡΠΎΠ²Π°Π½ΠΈΠ΅ ΠΏΡΠΎΠ³ΡΠ°ΠΌΠΌΡ Π ΠΈΡ. 7
Π ΠΈΡ. 8
Π ΠΈΡ. 9
Π ΠΈΡ. 10 ΠΡΠ°ΡΠΈΠΊ 1
Π ΠΈΡ. 11 ΠΡΠ°ΡΠΈΠΊ 2
ΠΡΠΎΠ³ΠΈ ΠΏΡΠΎΠ³ΡΠ°ΠΌΠΌΡ ΠΠ°ΠΊ ΡΠ»Π΅Π΄ΡΠ΅Ρ ΠΈΠ· Π°Π½Π°Π»ΠΈΠ·Π° Π³ΡΠ°ΡΠΈΠΊΠ° 1, ΡΠ΅ΡΡ ΡΠΏΡΠ°Π²Π»ΡΠ΅ΡΡΡ Ρ ΡΠ΅ΡΠ΅Π½ΠΈΠ΅ΠΌ Π·Π°Π΄Π°ΡΠΈ Π΄Π΅ΡΠ΅ΠΊΡΠΈΡΠΎΠ²Π°Π½ΠΈΡ Π°ΠΌΠΏΠ»ΠΈΡΡΠ΄Ρ Π½Π° Π½Π°Π±ΠΎΡΠ°Ρ ΠΎΠ±ΡΡΠ°ΡΡΠ΅Π³ΠΎ ΠΌΠ½ΠΎΠΆΠ΅ΡΡΠ²Π°. ΠΠ΄Π½Π°ΠΊΠΎ Π½Π΅ΡΡΠ½ΠΎ, ΠΊΠ°ΠΊ ΠΎΠ½Π° Π±ΡΠ΄Π΅Ρ Π²Π΅ΡΡΠΈ ΡΠ΅Π±Ρ Π½Π° Π΄ΡΡΠ³ΠΈΡ Π½Π°Π±ΠΎΡΠ°Ρ Π²Ρ ΠΎΠ΄Π°, ΠΏΠΎΡΡΠΎΠΌΡ ΠΌΡ ΠΏΠΎΠ΄Π°Π΄ΠΈΠΌ Π½Π° ΡΠ΅ΡΡ Π½Π°Π±ΠΎΡ ΡΠΈΠ³Π½Π°Π»ΠΎΠ², ΡΠΎΡΡΠ°Π²Π»Π΅Π½Π½ΡΠΉ ΠΈΠ· Π΄Π²ΡΡ ΡΠΈΠ½ΡΡΠΎΠΈΠ΄ Ρ Π°ΠΌΠΏΠ»ΠΈΡΡΠ΄Π°ΠΌΠΈ 1.6 ΠΈ 1.2 ΡΠΎΠΎΡΠ²Π΅ΡΡΡΠ²Π΅Π½Π½ΠΎ. ΠΠΎΡΠΎΠΌ ΠΏΠΎΡΠΌΠΎΡΡΠΈΠΌ, ΠΎΠ±Π»Π°Π΄Π°Π΅Ρ Π»ΠΈ ΠΏΠΎΡΡΡΠΎΠ΅Π½Π½Π°Ρ ΡΠ΅ΡΡ ΠΠ»ΠΌΠ°Π½Π° ΡΠ²ΠΎΠΉΡΡΠ²ΠΎΠΌ ΠΎΠ±ΠΎΠ±ΡΠ΅Π½ΠΈΡ.
ΠΠ° Π³ΡΠ°ΡΠΈΠΊΠ΅ 2 ΠΌΡ Π²ΠΈΠ΄ΠΈΠΌ, ΡΡΠΎ ΡΠ΅ΡΡ Ρ ΡΠΆΠ΅ ΡΠΏΡΠ°Π²Π»ΡΠ΅ΡΡΡ Ρ Π·Π°Π΄Π°ΡΠ΅ΠΉ. Π‘Π΅ΡΡ ΡΡΡΠ΅ΠΌΠΈΡΡΡ Π΄Π΅ΡΠ΅ΠΊΡΠΈΡΠΎΠ²Π°ΡΡ Π·Π½Π°ΡΠ΅Π½ΠΈΠ΅ Π°ΠΌΠΏΠ»ΠΈΡΡΠ΄Ρ, Π½ΠΎ Π΄Π΅Π»Π°Π΅Ρ ΡΡΠΎ Π½Π΅ ΠΎΡΠ΅Π½Ρ ΡΠΎΡΠ½ΠΎ. Π£Π»ΡΡΡΠ΅Π½Π½ΠΎΠ΅ ΠΎΠ±ΠΎΠ±ΡΠ΅Π½ΠΈΠ΅ ΠΌΠΎΠ³Π»ΠΎ Π±ΡΡΡ ΠΏΠΎΠ»ΡΡΠ΅Π½ΠΎ, ΠΎΠ±ΡΡΠ°Ρ ΡΠ΅ΡΡ Π½Π° Π±ΠΎΠ»ΡΡΠ΅Π΅ ΠΊΠΎΠ»ΠΈΡΠ΅ΡΡΠ²ΠΎ Π°ΠΌΠΏΠ»ΠΈΡΡΠ΄, ΡΠ΅ΠΌ ΡΠΎΠ»ΡΠΊΠΎ Π½Π° Π·Π½Π°ΡΠ΅Π½ΠΈΡ 1.0 ΠΈ 2.0. ΠΡΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°Π½ΠΈΠ΅ ΡΡΠ΅Ρ ΠΈΠ»ΠΈ ΡΠ΅ΡΡΡΠ΅Ρ Π³Π°ΡΠΌΠΎΠ½ΠΈΡΠ΅ΡΠΊΠΈΡ ΡΠΈΠ³Π½Π°Π»ΠΎΠ² Ρ ΡΠ°Π·Π»ΠΈΡΠ½ΡΠΌΠΈ Π°ΠΌΠΏΠ»ΠΈΡΡΠ΄Π°ΠΌΠΈ ΠΌΠΎΠΆΠ΅Ρ ΠΏΡΠΈΠ²Π΅ΡΡΠΈ ΠΊ Π½Π°ΠΌΠ½ΠΎΠ³ΠΎ Π»ΡΡΡΠ΅ΠΌΡ Π΄Π°ΡΡΠΈΠΊΡ Π°ΠΌΠΏΠ»ΠΈΡΡΠ΄.
ΠΠ°ΠΊΠ»ΡΡΠ΅Π½ΠΈΠ΅
Π Π°Π·Π²ΠΈΡΠΈΠ΅ Π½Π΅ΠΉΡΠΎΠ½Π½ΡΡ ΡΠ΅ΡΠ΅ΠΉ Π²ΡΠ·Π²Π°Π»ΠΎ Π½Π΅ΠΌΠ°Π»ΠΎ ΡΠ½ΡΡΠ·ΠΈΠ°Π·ΠΌΠ° ΠΈ ΠΊΡΠΈΡΠΈΠΊΠΈ. ΠΠ΅ΠΊΠΎΡΠΎΡΡΠ΅ ΡΡΠ°Π²Π½ΠΈΡΠ΅Π»ΡΠ½ΡΠ΅ ΠΈΡΡΠ»Π΅Π΄ΠΎΠ²Π°Π½ΠΈΡ ΠΎΠΊΠ°Π·Π°Π»ΠΈΡΡ ΠΎΠΏΡΠΈΠΌΠΈΡΡΠΈΡΠ½ΡΠΌΠΈ, Π΄ΡΡΠ³ΠΈΠ΅ — ΠΏΠ΅ΡΡΠΈΠΌΠΈΡΡΠΈΡΠ½ΡΠΌΠΈ. ΠΠ»Ρ ΠΌΠ½ΠΎΠ³ΠΈΡ Π·Π°Π΄Π°Ρ, ΡΠ°ΠΊΠΈΡ ΠΊΠ°ΠΊ ΡΠ°ΡΠΏΠΎΠ·Π½Π°Π²Π°Π½ΠΈΠ΅ ΠΎΠ±ΡΠ°Π·ΠΎΠ², ΠΏΠΎΠΊΠ° Π½Π΅ ΡΠΎΠ·Π΄Π°Π½ΠΎ Π΄ΠΎΠΌΠΈΠ½ΠΈΡΡΡΡΠΈΡ ΠΏΠΎΠ΄Ρ ΠΎΠ΄ΠΎΠ². ΠΡΠΆΠ½ΠΎ ΠΏΡΡΠ°ΡΡΡΡ ΠΏΠΎΠ½ΡΡΡ Π²ΠΎΠ·ΠΌΠΎΠΆΠ½ΠΎΡΡΠΈ, ΠΏΡΠ΅Π΄ΠΏΠΎΡΡΠ»ΠΊΠΈ ΠΈ ΠΎΠ±Π»Π°ΡΡΡ ΠΏΡΠΈΠΌΠ΅Π½Π΅Π½ΠΈΡ ΡΠ°Π·Π»ΠΈΡΠ½ΡΡ ΠΏΠΎΠ΄Ρ ΠΎΠ΄ΠΎΠ² ΠΈ ΠΌΠ°ΠΊΡΠΈΠΌΠ°Π»ΡΠ½ΠΎ ΠΈΡΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°ΡΡ ΠΈΡ Π΄ΠΎΠΏΠΎΠ»Π½ΠΈΡΠ΅Π»ΡΠ½ΡΠ΅ ΠΏΡΠ΅ΠΈΠΌΡΡΠ΅ΡΡΠ²Π° Π΄Π»Ρ Π΄Π°Π»ΡΠ½Π΅ΠΉΡΠ΅Π³ΠΎ ΡΠ°Π·Π²ΠΈΡΠΈΡ ΠΈΠ½ΡΠ΅Π»Π»Π΅ΠΊΡΡΠ°Π»ΡΠ½ΡΡ ΡΠΈΡΡΠ΅ΠΌ. ΠΠ½ΠΎΠΆΠ΅ΡΡΠ²ΠΎ Π½Π°Π΄Π΅ΠΆΠ΄ Π² ΠΎΡΠ½ΠΎΡΠ΅Π½ΠΈΠΈ Π½Π΅ΠΉΡΠΎΠ½Π½ΡΡ ΡΠ΅ΡΠ΅ΠΉ ΡΠ΅Π³ΠΎΠ΄Π½Ρ ΡΠ²ΡΠ·ΡΠ²Π°ΡΡ ΠΈΠΌΠ΅Π½Π½ΠΎ Ρ Π°ΠΏΠΏΠ°ΡΠ°ΡΠ½ΡΠΌΠΈ ΡΠ΅Π°Π»ΠΈΠ·Π°ΡΠΈΡΠΌΠΈ, Π½ΠΎ ΠΏΠΎΠΊΠ° Π²ΡΠ΅ΠΌΡ ΠΈΡ ΠΌΠ°ΡΡΠΎΠ²ΠΎΠ³ΠΎ Π²ΡΡ ΠΎΠ΄Π° Π½Π° ΡΡΠ½ΠΎΠΊ, Π²ΠΈΠ΄ΠΈΠΌΠΎ, Π΅ΡΠ΅ Π½Π΅ ΠΏΡΠΈΡΠ»ΠΎ. ΠΠ½ΠΈ ΠΈΠ»ΠΈ Π²ΡΠΏΡΡΠΊΠ°ΡΡΡΡ Π² ΡΠΎΡΡΠ°Π²Π΅ ΡΠΏΠ΅ΡΠΈΠ°Π»ΠΈΠ·ΠΈΡΠΎΠ²Π°Π½Π½ΡΡ ΡΡΡΡΠΎΠΉΡΡΠ², ΠΈΠ»ΠΈ Π΄ΠΎΡΡΠ°ΡΠΎΡΠ½ΠΎ Π΄ΠΎΡΠΎΠ³ΠΈ, Π° Π·Π°ΡΠ°ΡΡΡΡ ΠΈ ΡΠΎ ΠΈ Π΄ΡΡΠ³ΠΎΠ΅. ΠΠ° ΠΈΡ ΡΠ°Π·ΡΠ°Π±ΠΎΡΠΊΡ ΡΡΠ°ΡΠΈΡΡΡ Π·Π½Π°ΡΠΈΡΠ΅Π»ΡΠ½ΠΎΠ΅ Π²ΡΠ΅ΠΌΡ, Π·Π° ΠΊΠΎΡΠΎΡΠΎΠ΅ ΠΏΡΠΎΠ³ΡΠ°ΠΌΠΌΠ½ΡΠ΅ ΡΠ΅Π°Π»ΠΈΠ·Π°ΡΠΈΠΈ Π½Π° ΡΠ°ΠΌΡΡ ΠΏΠΎΡΠ»Π΅Π΄Π½ΠΈΡ ΠΊΠΎΠΌΠΏΡΡΡΠ΅ΡΠ°Ρ ΠΎΠΊΠ°Π·ΡΠ²Π°ΡΡΡΡ Π»ΠΈΡΡ Π½Π° ΠΏΠΎΡΡΠ΄ΠΎΠΊ ΠΌΠ΅Π½Π΅Π΅ ΠΏΡΠΎΠΈΠ·Π²ΠΎΠ΄ΠΈΡΠ΅Π»ΡΠ½ΡΠΌΠΈ, ΡΡΠΎ Π΄Π΅Π»Π°Π΅Ρ ΠΈΡΠΏΠΎΠ»ΡΠ·ΠΎΠ²Π°Π½ΠΈΠ΅ Π½Π΅ΠΉΡΠΎΠΏΡΠΎΡΠ΅ΡΡΠΎΡΠΎΠ² Π½Π΅ΡΠ΅Π½ΡΠ°Π±Π΅Π»ΡΠ½ΡΠΌ. ΠΠΎ Π²ΡΠ΅ ΡΡΠΎ ΡΠΎΠ»ΡΠΊΠΎ Π²ΠΎΠΏΡΠΎΡ Π²ΡΠ΅ΠΌΠ΅Π½ΠΈ — Π½Π΅ΠΉΡΠΎΠ½Π½ΡΠΌ ΡΠ΅ΡΡΠΌ ΠΏΡΠ΅Π΄ΡΡΠΎΠΈΡ ΠΏΡΠΎΠΉΡΠΈ ΡΠΎΡ ΠΆΠ΅ ΠΏΡΡΡ, ΠΏΠΎ ΠΊΠΎΡΠΎΡΠΎΠΌΡ Π΅ΡΠ΅ ΡΠΎΠ²ΡΠ΅ΠΌ Π½Π΅Π΄Π°Π²Π½ΠΎ ΡΠ°Π·Π²ΠΈΠ²Π°Π»ΠΈΡΡ ΠΊΠΎΠΌΠΏΡΡΡΠ΅ΡΡ, ΡΠ²Π΅Π»ΠΈΡΠΈΠ²Π°Ρ ΡΠ²ΠΎΠΈ Π²ΠΎΠ·ΠΌΠΎΠΆΠ½ΠΎΡΡΠΈ ΠΈ ΠΏΡΠΎΠΈΠ·Π²ΠΎΠ΄ΠΈΡΠ΅Π»ΡΠ½ΠΎΡΡΡ, Π·Π°Ρ Π²Π°ΡΡΠ²Π°Ρ Π½ΠΎΠ²ΡΠ΅ ΡΡΠ΅ΡΡ ΠΏΡΠΈΠΌΠ΅Π½Π΅Π½ΠΈΡ ΠΏΠΎ ΠΌΠ΅ΡΠ΅ Π²ΠΎΠ·Π½ΠΈΠΊΠ½ΠΎΠ²Π΅Π½ΠΈΡ Π½ΠΎΠ²ΡΡ Π·Π°Π΄Π°Ρ ΠΈ ΡΠ°Π·Π²ΠΈΡΠΈΡ ΡΠ΅Ρ Π½ΠΈΡΠ΅ΡΠΊΠΎΠΉ ΠΎΡΠ½ΠΎΠ²Ρ Π΄Π»Ρ ΠΈΡ ΡΠ°Π·ΡΠ°Π±ΠΎΡΠΊΠΈ.
Π‘Π΅Π³ΠΎΠ΄Π½Ρ Π½Π΅ΠΉΡΠΎΠ½Π½ΡΠ΅ ΡΠ΅ΡΠΈ ΠΈΡΠΏΠΎΠ»ΡΠ·ΡΡΡΡΡ Π΄Π»Ρ ΡΠ°Π±ΠΎΡΡ Π² ΠΎΡΠ½ΠΎΡΠΈΡΠ΅Π»ΡΠ½ΠΎ ΡΠ·ΠΊΠΈΡ ΠΎΠ±Π»Π°ΡΡΡΡ , ΠΈ Π½Π΅ΠΈΠ·Π²Π΅ΡΡΠ½ΠΎ, Π΄ΠΎΠ²Π΅ΡΡΡ Π»ΠΈ ΠΈΠΌ ΠΊΠΎΠ³Π΄Π°-Π½ΠΈΠ±ΡΠ΄Ρ ΡΠ΅ΡΠ΅Π½ΠΈΠ΅ Π²ΠΎΠΏΡΠΎΡΠΎΠ², ΠΊΠΎΡΠΎΡΡΠ΅ ΡΡΠ΅Π±ΡΡΡ ΠΏΠΎΠ½ΠΈΠΌΠ°Π½ΠΈΡ ΡΠΎΡΠΈΠ°Π»ΡΠ½ΠΎΠ³ΠΎ ΠΊΠΎΠ½ΡΠ΅ΠΊΡΡΠ°. ΠΠ΅ΠΆΠ΄Ρ ΡΠ΅ΠΌ Π½Π΅ΠΉΡΠΎΠ½Π½ΡΠ΅ ΡΠ΅ΡΠΈ ΡΠ²Π΅ΡΠ΅Π½Π½ΠΎ ΠΏΡΠΎΠ΄ΠΎΠ»ΠΆΠ°ΡΡ ΠΏΡΠΎΠ½ΠΈΠΊΠ°ΡΡ Π² Π½Π°ΡΡ ΠΆΠΈΠ·Π½Ρ, ΠΈ ΠΏΡΠΈΠΌΠ΅ΡΠΎΠ² ΡΠΎΠΌΡ Π½Π΅ΠΌΠ°Π»ΠΎ.
Π‘ΠΏΠΈΡΠΎΠΊ ΠΈΡΠΏΠΎΠ»ΡΠ·ΡΠ΅ΠΌΠΎΠΉ Π»ΠΈΡΠ΅ΡΠ°ΡΡΡΡ
1) ΠΠ΅Π΄Π²Π΅Π΄Π΅Π² Π. Π‘. ΠΠ΅ΠΉΡΠΎΠ½Π½ΡΠ΅ ΡΠ΅ΡΠΈ. MATLAB 6 / Π. Π‘. ΠΠ΅Π΄Π²Π΅Π΄Π΅Π², Π. Π. ΠΠΎΡΡΠΌΠΊΠΈΠ½ // Π: ΠΠΈΠ°Π»ΠΎΠ³-ΠΠΠ€Π. — 2008
2) Π₯Π°ΠΉΠΊΠΈΠ½ Π‘. ΠΠ΅ΠΉΡΠΎΠ½Π½ΡΠ΅ ΡΠ΅ΡΠΈ — ΠΏΠΎΠ»Π½ΡΠΉ ΠΊΡΡΡ 2006
3) Π£ΠΎΡΡΠ΅ΡΠΌΠ΅Π½ Π€. — ΠΠ΅ΠΉΡΠΎΠΊΠΎΠΌΠΏΡΡΡΠ΅ΡΠ½Π°Ρ ΡΠ΅Ρ Π½ΠΈΠΊΠ°. Π’Π΅ΠΎΡΠΈΡ ΠΈ ΠΏΡΠ°ΠΊΡΠΈΠΊΠ°
4) ΠΡΡΠ³Π»ΠΎΠ², ΠΠΎΡΠΈΡΠΎΠ² — ΠΡΠΊΡΡΡΡΠ²Π΅Π½Π½ΡΠ΅ Π½Π΅ΠΉΡΠΎΠ½Π½ΡΠ΅ ΡΠ΅ΡΠΈ. Π’Π΅ΠΎΡΠΈΡ ΠΈ ΠΏΡΠ°ΠΊΡΠΈΠΊΠ°, 2012
5) ΠΠΎΠ»ΡΠ΄ΡΡΠ΅ΠΉΠ½ Π. Π‘. — ΠΠ½ΡΠ΅Π»Π»Π΅ΠΊΡΡΠ°Π»ΡΠ½ΡΠ΅ ΡΠ΅ΡΠΈ, 2010
6) Π‘ΠΌΠΎΠ»Π΅Π½ΡΠ΅Π² — ΠΡΠ½ΠΎΠ²Ρ ΡΠ΅ΠΎΡΠΈΠΈ Π²Π΅ΠΉΠ²Π»Π΅ΡΠΎΠ² Π² MatLab