Искусственные нейронные сети в Matlab

Представление данных

Исходные данные подаются в виде массива, где каждый столбец - один пример, каждая строка - один признак. Например, ежели производится распознавание данных, полученных газоаналитическим мультисенсорным чипом, то каждая строка - один сегмент, каждый столбец - один фрагмент времени (рис. 5)

Для корректного обучения помимо примеров необходимо указывать ожидаемый результат. Самый простой способ представления результата нейронной сети - выделить по одному нейрону для каждого класса. Тогда выход нейрона, равный единице говорит о наличии соответствующего газа. По этому правилу строят массив меток (label, target) классов. Каждому примеру соответствует своя метка, поэтому число столбцов в массиве обучения и массиве меток одинаково (рис. 6). Такой вид массива меток не является обязательным. Например, для наглядности при большом количестве классов можно использовать два нейрона, которые на выходе будут давать координаты (х и у) на некоторой плоскости. Необязательно нейроны должны иметь выход 0 или 1, допускаются любые (отрицательные, дробные) значения.