4.2 Entwicklungs-Umgebung MATLAB / Simulink für KNN

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