The desired output is of course the

The desired output is of course the 3x3 identity matrix, matching the bipolar target matrix in the routine. The results show that the network has not fully learned the noiseless patterns after 20 and 30 epochs, but has achieved success after 40 iterations. After learning is complete the net is able to correctly classify the noisy signals for signal to noise ratios of 100 and 10, but has problems when this ratio is 5 or less.
Note that even for very large noise values the first row of the output matrix is correct in each case. This result is not unexpected since the square wave differs considerably from the other two waveforms and can therefore more easily be classified even with large noise superimposed. On the other hand, the triangular and sine waves are closer in appearance and are therefore more difficult to distinguish. The similarity is evident in Figures 5(b) and 5(c) with noise superimposed.
Note also that when the program is run a second time with the signal to noise ratio set to 1, different outputs result due to the randomness of the noise. Initializing the random number seed was not done in the program.

D. Signal Frequency Separation using Perceptron
A modified MATLAB signal classification program trains a neural network to classify three sinusoidal signals of the same amplitude and phase, and separated only in frequency. The middle frequency is Δ percent above and the highest frequency 2Δ percent above the lowest frequency. As for the previous example, after training an attempt is made to associate noisy signals with the learned signals. The parameters
entered upon running the program are the percent frequency separation, the number of samples per period, the number of training epochs and the signal to noise ratio.

Results (Thai) 2:

ที่ต้องการออกเป็นหลักสูตร 3x3 เมทริกซ์เอกลักษณ์ตรงเมทริกซ์สองขั้วเป้าหมายในชีวิตประจำ ผลการศึกษาพบว่าเครือข่ายไม่ได้เรียนรู้อย่างเต็มที่แบบไม่มีเสียงหลังจากที่ 20 และ 30 epochs แต่ได้ประสบความสำเร็จหลังจาก 40 ซ้ำ หลังจากการเรียนรู้ที่สมบูรณ์สุทธิสามารถที่จะจำแนกได้อย่างถูกต้องดังเป็นสัญญาณสัญญาณอัตราส่วนเสียง 100 และ 10 แต่มีปัญหาเมื่ออัตราส่วนนี้คือ 5 หรือน้อยกว่า.
โปรดสังเกตว่าแม้เสียงขนาดใหญ่มากค่าแถวแรกของเอาท์พุทเมทริกซ์ ถูกต้องในแต่ละกรณี นี่คือผลที่ไม่คาดคิดได้ตั้งแต่คลื่นสี่เหลี่ยมมีความแตกต่างอย่างมากจากอีกสองรูปคลื่นและดังนั้นจึงสามารถได้ง่ายขึ้นแบ่งได้แม้จะมีสัญญาณรบกวนที่มีขนาดใหญ่ทับ บนมืออื่น ๆ ที่เป็นรูปสามเหลี่ยมและคลื่นซายน์มีความใกล้ชิดในลักษณะที่ปรากฏและดังนั้นจึงยากที่จะแยกแยะความแตกต่าง ความคล้ายคลึงกันที่เห็นได้ชัดในรูปที่ 5 (ข) และ 5 (ค) กับเสียงทับ.
ยังทราบว่าเมื่อโปรแกรมจะดำเนินการเป็นครั้งที่สองที่มีอัตราส่วนสัญญาณต่อเสียงชุด 1, เอาท์พุทที่แตกต่างกันส่งผลอันเนื่องมาจากการสุ่มของเสียง . การเตรียมเมล็ดจำนวนสุ่มไม่ได้ทำในโปรแกรม. D. แยกสัญญาณความถี่ใช้ Perceptron การปรับเปลี่ยนโปรแกรมการจำแนกสัญญาณ MATLAB รถไฟเครือข่ายประสาทที่จะจัดสามสัญญาณซายน์ของแอมพลิจูเดียวกันและเฟสและแยกออกมาเฉพาะในความถี่ ความถี่กลางร้อยละΔข้างต้นและร้อยละความถี่2Δสูงสุดเหนือความถี่ต่ำสุด ในฐานะที่เป็นตัวอย่างก่อนหน้านี้หลังจากการฝึกอบรมการพยายามที่จะเชื่อมโยงสัญญาณที่มีเสียงดังที่มีสัญญาณเรียนรู้ พารามิเตอร์เข้ามาเมื่อเรียกใช้โปรแกรมที่มีการแยกความถี่ร้อยละจำนวนตัวอย่างต่อระยะเวลาจำนวน epochs การฝึกอบรมและอัตราส่วนสัญญาณต่อเสียง

Results (Thai) 3:

ผลลัพธ์ที่ต้องการคือแน่นอน 3x3 เมตริกซ์เอกลักษณ์ จับคู่สองเป้าหมายเมทริกซ์ในรูทีน ผลที่ได้แสดงให้เห็นว่าเครือข่ายได้ไม่เต็มที่ ได้เรียนรู้รูปแบบเสียงหลังจาก 20 และ 30 ยุคสมัย แต่ประสบความสำเร็จ 40 รอบหลัง หลังจากเรียนเสร็จ เน็ตจะถูกต้องแยกแยะสัญญาณเสียงดังสำหรับสัญญาณเสียงอัตราส่วน 100 และ 10แต่ก็มีปัญหาเมื่ออัตราส่วนนี้คือ 5 หรือน้อยกว่า
ทราบว่าค่าแถวแรกของเมทริกซ์ขนาดใหญ่มาก แม้แต่ออกเสียงถูกต้อง ในแต่ละกรณี ผลที่ได้นี้ไม่คาดคิดเนื่องจากคลื่นสี่เหลี่ยมแตกต่างมากจากอีกสองรูปคลื่นและดังนั้นจึงสามารถเพิ่มเติมได้อย่างง่ายดายสามารถจำแนกเสียงแม้จะมีขนาดใหญ่ซ้อนทับ . บนมืออื่น ๆคลื่นรูปสามเหลี่ยมและไซน์ใกล้ชิดในลักษณะที่ปรากฏและดังนั้นจึงยากที่จะแยกแยะความแตกต่าง ความเหมือนที่เห็นได้ชัดในตัวเลข 5 ( b ) และ ( c ) กับเสียงซ้อนทับ .
ยังทราบว่าเมื่อมีการรันโปรแกรมเป็นครั้งที่สองกับสัญญาณต่อสัญญาณรบกวนชุด 1 , เอาท์พุทที่แตกต่างกัน ผลจากการสุ่มของเสียงเริ่มต้นเมล็ดสุ่มไม่ได้กระทำในโปรแกรม

D สัญญาณความถี่การใช้ MATLAB ธรรมดา
แก้ไขสัญญาณหมวดหมู่โปรแกรมรถไฟเครือข่ายประสาทแบ่งสามกระแสสัญญาณของเดียวกันขนาดและเฟส และแยกจากกันในความถี่ ความถี่กลาง ร้อยละΔข้างต้นและความถี่สูงสุด 2 Δเปอร์เซ็นต์สูงกว่าความถี่ต่ำสุดสำหรับตัวอย่างก่อนหน้านี้หลังจากการฝึกอบรมการพยายามเชื่อมโยงสัญญาณเสียงดังกับเรียนรู้สัญญาณ พารามิเตอร์
ป้อนเมื่อรันโปรแกรมจะแยกความถี่ ร้อยละ จำนวนตัวอย่างต่อระยะเวลา หมายเลขของยุคสมัยที่ฝึกอบรมและอัตราส่วนสัญญาณต่อสัญญาณรบกวน .