М а т е р и а л ы X В с е р о с с и й с к о й н а у ч н о - п р а к т и ч е с к о й к о н ф е р е н ц и и
П о с в я щ а е т с я 1 0 0 - л е т и ю Р о с т и с л а в а Е в г е н ь е в и ч а А л е к с е е в а
461
приведенной ниже. Образец программного кода из MATLAB имеет следующий
вид:
A = zscore(B);
n = length(B(:,1));
C = A';
T = C(1,:);
C(1,:) = [];
P = C;
net = newrb(P,T,0.01,2.2);
net.layers{1}.size;
G = sim(net,P);
Br1 = G*std(B(:,1)) + mean(B(:,1));
q1 = length(Br1); bq1 = length(B(:,1));
e = (Br1' - B(:,1))./B(:,1);
A2 = (BD(:,2) - mean(B(:,2)))/std(B(:,2));
A3 = (BD(:,3) - mean(B(:,3)))/std(B(:,3));
P1 = [A2,A3]';
G1 = sim(net,P1);
Q1 = G1*std(B(:,1)) + mean(B(:,1));
ep = (Q1' - BD(:,1))./BD(:,1);
где e–погрешность точек обучающей выборки; ep – погрешность точек
проверочной выборки.
Информационно-логическая схема проведения расчетов
Таблица 1 - Обучающая выборка
Сила тока I, А Напряжение U, В
Температура T, °С
1
0,207
5,20
20
2
0,223
5,60
20
3
0,233
5,95
25
Продолжение табл.
1
Составление
программы
расчетов на
основенейрос
етевой
модели
Ввод
входных
данных
Расчет
погрешности
точек
обучающей
выборки
Расчет
погрешности
точек
проверочной
выборки
Построение
зависимости
погрешности
проверочных
точек от
погрешности
течек
обучающей
выборки
Синтез
математи
ческой
модели
