For this simulation each input sign

For this simulation each input signal is sampled an arbitrarily chosen 64 times over a single period. Each sampled value is then a separate input to the network. As with the alphabetic character example, a separate output is provided for each signal (square, triangular, and sine). However, the signals with noise are represented by inputs, which are no longer two-valued (binary or bipolar). Thus, our network has 64 multi-valued inputs and 3 bipolar outputs. Thus, a square wave input gives us the outputs 1, -1, -1; a triangular wave results in -1, 1, -1; a sine wave produces -1, -1, 1.

A MATLAB routine was written to train the network and then allow testing for arbitrary levels of noise. Portions of the output from several runs of the routine are shown below. The number of epochs was first increased until learning was complete. Then, the trained network was tested with decreasing signal to noise ratios, to see where the noise becomes too large to enable proper classification. Outputs from sample runs are shown below.

Results (Thai) 1:

สำหรับจำลองนี้สัญญาณแต่ละสัญญาณมีความท่านโดย 64 เวลาช่วงระยะเวลาหนึ่ง ค่าแต่ละตัวอย่างจากนั้นจะป้อนข้อมูลแยกต่างหากกับเครือข่าย เป็นตัวอย่างอักขระ ให้แสดงผลแยกต่างหากสำหรับแต่ละสัญญาณ (สี่เหลี่ยม สาม เหลี่ยม และไซน์) อย่างไรก็ตาม แทนสัญญาณ ด้วยเสียง ด้วยอินพุต ซึ่งมีมูลค่าสอง (ไบนารี หรือไฟที่ไบโพลาร์) ดังนั้น เครือข่ายของเรามีหลายค่าอินพุต 64 และแสดงผล 3 ไฟที่ไบโพลาร์ ดังนั้น ป้อนคลื่นสี่เหลี่ยมให้เรา outputs 1, -1, -1 คลื่นสามเหลี่ยมผล -1, 1, -1 คลื่นไซน์ผลิต -1, -1, 1 ชุดคำสั่ง MATLAB ถูกเขียนขึ้นเพื่อฝึกอบรมเครือข่าย และจากนั้น ให้ทดสอบระดับเสียงที่กำหนด บางส่วนของผลผลิตจากการทำงานต่าง ๆ ของขั้นตอนที่แสดงด้านล่าง จำนวน epochs แรกเพิ่มขึ้นจนกว่าจะเรียนรู้สมบูรณ์ แล้ว เครือข่ายฝึกอบรมได้ทดสอบกับลดสัญญาณเสียงอัตราส่วน การดูที่เสียงจะใหญ่เกินไปเพื่อให้การจัดประเภทที่เหมาะสม แสดงผลจากการเรียกใช้ตัวอย่างที่แสดงด้านล่าง

Results (Thai) 2:

สำหรับการจำลองนี้ในแต่ละสัญญาณอินพุตเป็นตัวอย่างได้รับการแต่งตั้งโดยพล 64 ครั้งในช่วงเวลาเดียว แต่ละค่าตัวอย่างเป็นแล้วป้อนข้อมูลไปยังเครือข่ายที่แยกจากกัน เช่นเดียวกับตัวอย่างเช่นตัวอักษร, การส่งออกแยกให้สำหรับแต่ละสัญญาณ (สี่เหลี่ยมสามเหลี่ยมและซายน์) แต่สัญญาณที่มีสัญญาณรบกวนจะแสดงโดยปัจจัยการผลิตซึ่งจะไม่มีสองมูลค่า (binary หรือสองขั้ว) ดังนั้นเครือข่ายของเรามี 64 ปัจจัยการผลิตหลายค่าและ 3 เอาท์พุทสองขั้ว ดังนั้นการป้อนข้อมูลคลื่นสี่เหลี่ยมทำให้เรามีผล 1, -1, -1; ส่งผลให้เกิดคลื่นสามเหลี่ยม -1, 1, -1; คลื่นไซน์ผลิต -1, -1, 1 ประจำ MATLAB ถูกเขียนขึ้นเพื่อฝึกอบรมเครือข่ายแล้วให้ทดสอบระดับของเสียงโดยพลการ บางส่วนของการส่งออกจากการทำงานหลายของกิจวัตรประจำวันที่มีการแสดงด้านล่าง จำนวน epochs เพิ่มขึ้นเป็นครั้งแรกของการเรียนรู้จนเสร็จสมบูรณ์ จากนั้นเครือข่ายผ่านการฝึกอบรมได้รับการทดสอบด้วยการลดอัตราส่วนสัญญาณเสียงเพื่อดูว่าเสียงจะมีขนาดใหญ่เกินไปที่จะช่วยให้การจัดหมวดหมู่ที่เหมาะสม เอาท์พุทจากวิ่งตัวอย่างดังต่อไปนี้

Results (Thai) 3:

สำหรับจำลองแต่ละสัญญาณมีการเลือกตัวอย่างสุ่ม 64 ครั้งในช่วงเวลาเดียว แต่ละตัวอย่าง แล้วใส่ค่าแยกกับเครือข่าย กับตัวอย่างตัวอักษร , output แยกให้แต่ละสัญญาณสี่เหลี่ยม สามเหลี่ยม และไซน์ ) อย่างไรก็ตาม สัญญาณเสียงจะแสดงโดยปัจจัยการผลิต ซึ่งจะไม่มีสอง มูลค่า ( ไบนารีหรือไบโพลาร์ ) ดังนั้นเครือข่ายของเราได้ 64 หลายมูลค่าปัจจัยการผลิตและ 3 ขั้วเอาท์พุท ดังนั้นตารางคลื่นใส่ให้เอาท์พุท 1 , - 1 , - 1 ; สามเหลี่ยมคลื่นผลลัพธ์ใน - 1 , 1 , 1 ; ไซน์คลื่นสร้าง - 1 , - 1 , 1

Matlab รูทีนเขียนฝึกเครือข่ายแล้ว ให้ทดสอบโดยพลระดับของสัญญาณรบกวน ส่วนของผลผลิตจากวิ่งหลายของรูทีนแสดงอยู่ด้านล่างหมายเลขของยุคสมัยที่เป็นครั้งแรกที่เพิ่มขึ้น จนเรียนเสร็จสมบูรณ์ จากนั้นเครือข่ายการฝึกอบรมการทดสอบด้วยอัตราส่วนลดสัญญาณเสียงเพื่อดูว่าเสียงจะกลายเป็นขนาดใหญ่เกินไปเพื่อให้หมวดหมู่ที่เหมาะสม ผลจากตัวอย่างจะแสดงอยู่ด้านล่าง