1 / 12

4.2 Entwicklungs-Umgebung MATLAB / Simulink für KNN

4.2 Entwicklungs-Umgebung MATLAB / Simulink für KNN. Jörg Krone, Ulrich Lehmann, Hans Brenig, Oliver Drölle, Michael Schneider. Inhalt. Vorteile einer integrierten Entwicklungs-umgebung Netzwerk (NN) unter MATLAB anlegen Daten Input und Target anlegen Training des NN

aliya
Download Presentation

4.2 Entwicklungs-Umgebung MATLAB / Simulink für KNN

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. 4.2 Entwicklungs-Umgebung MATLAB / Simulink für KNN Jörg Krone, Ulrich Lehmann, Hans Brenig, Oliver Drölle, Michael Schneider 4.2 Entwicklung von KNN mit MATLAB / Simulink R1

  2. Inhalt • Vorteile einer integrierten Entwicklungs-umgebung • Netzwerk (NN) unter MATLAB anlegen • Daten Input und Target anlegen • Training des NN • Netzwerk im Workspace speichern • Netzwerk (NN) nach Simulink exportieren • Blick in den Block NN 4.2 Entwicklung von KNN mit MATLAB / Simulink R1

  3. Integrierte Entwicklungsumgebung Vorteile: • Datenhandling (Input, Target) unter MATLAB wird gut unterstützt. Import aus Excel sehr einfach möglich • Einbindung eines unter MATLAB trainierten KNN als Block in Simulink • sehr stabil • Simulation von konventionellen Funktionsblöcken (P, I, D), Fuzzy-Systemen, Evolutionären Algorithmen und Neuronalen Netzen blockorientiert und integriert möglich 4.2 Entwicklung von KNN mit MATLAB / Simulink R1

  4. Netzwerk (NN) unter MATLAB anlegen • >> nntool % Kommando öffnet unter MATLAB die Eingabemöglichkeit für ein NN und die Trainingsdaten (hier z.B.: data2 für Input, data3 für Targets). Hilfemenü über Help parallel öffnen und danach verfahren! 4.2 Entwicklung von KNN mit MATLAB / Simulink R1

  5. Daten Input und Target • mit der Funktion Create New Data • Vorgabe als Vektor, z.B. für Input 1und 2 für das EXOR-Beispiel [0 1 0 1; 0 0 1 1] • mit dem zugehörigen Target [0 1 1 0]. Trennung durch Lehrzeichen oder Komma möglich. 4.2 Entwicklung von KNN mit MATLAB / Simulink R1

  6. Training des KNN • mit der Funktion Train • die Trainingsmethode ist aus einer Liste wählbar • der Verlauf wird in dem Fenster „Training with Trainingsmethode“ eingeblendet • Angestrebter und erreichter Fehler werden angezeigt 4.2 Entwicklung von KNN mit MATLAB / Simulink R1

  7. Ergebnisse speichern • wenn Sie mit dem erreichten Trainigs-Ergebnis einverstanden sind, dann können alle Daten dazu mit der Funktion Export to Workspace von MATLAB gespeichert werden, hier: network2 • mit View können Sie das NN betrachten. Die Darstellung ist gewöhnungsbedürftig, das hängt mit der vetor/matrix-orientierung von MATLAB zusammen: 4.2 Entwicklung von KNN mit MATLAB / Simulink R1

  8. Ausgänge / Fehler des KNN ausgeben • wenn alle Daten im Workspace von MATLAB gesichert wurden, können mit den Kommandos: >> nameknn_outputs %Ausgabe der Netzwerkausgaben für den Trainingsvektor >> nameknn_errors %Ausgabe des Netzwerkfehlers für den Trainingsvektor erste, schnelle Ausgaben von Informationen erzeugt werden 4.2 Entwicklung von KNN mit MATLAB / Simulink R1

  9. NN nach Simulink exportieren >> gensim(network2, -1) %Export aus dem MATLAB Workspace in den Simulink Workspace • möglichst umgehend im Workspace Simulink unter einem erweiterten Namen (es darf nicht der gleiche wie für MATLAB sein), speichern. Hier: network2_exor • das Modell kann jetzt vervollständigt werden. Ein Oszilloskop ist bereits am Ausgang angeschlossen 4.2 Entwicklung von KNN mit MATLAB / Simulink R1

  10. Blick in den Block NN • zeigt die 2 Inputs oben links • 1. Layer des KNN oben mit 2 Neuronen (rechts a(1) ist nur ein interner Verbindungspunkt) • 2. Layer des KNN mit einem Neuron mit 2 Eingängen darunter • unten rechts 1 Output von network2_exor.mdl 4.2 Entwicklung von KNN mit MATLAB / Simulink R1

  11. Noch eine Ebene tieferBlick in die Layer • linkes Bild, links oben: Input des KNN • links 1. Layer des KNN mit 2 Neuronen (rechts a(1) ist nur ein interner Verbindungspunkt) • rechts 2. Layer des KNN mit einem Neuron mit 2 Eingängen • der Output von network2_exor.mdl ist nicht mehr sichtbar 4.2 Entwicklung von KNN mit MATLAB / Simulink R1

  12. Fragen Fragen Sie bitte! 4.2 Entwicklung von KNN mit MATLAB / Simulink R1

More Related