- •© Московская финансово-юридическая академия
- •© Ростовцев в.С.
- •1.1 Содержание практической работы
- •1.2 Порядок выполнения практической работы
- •1.3 Описание работы с программой anies
- •1.4 Синтаксис
- •1.5 Создание и редактирование базы знаний эс
- •1.6 Выполнение экспертной системы
- •1.7 Пример фрагмента учебной экспертной системы
- •Вопросы для проверки промежуточных знаний
- •Литература
- •2 Практическая работа №2 Целью практической работы является освоение нейросетевой технологии для решения задач классификации и прогнозирования с помощью программы NeuroPro 0.25.
- •2.1 Содержание практической работы
- •2.2.4 Форматы файлов
- •2.2.5 Описание меню и порядок работы
- •2.2.6 Обучение и тестирование нейронной сети
- •2.2.7 Вычисление показателей значимости входных сигналов сети
- •2.2.8 Упрощение нейронной сети
- •2.2.9 Вербализация нейронной сети
- •2.2.10 Задания по практической работе
- •Исходные и выходные данные
- •Вопросы для проверки промежуточных знаний
- •Литература
- •3.1 Содержание практической работы
- •Вопросы для проверки промежуточных знаний
- •Литература
- •4 Практическая работа № 4 Тема: «Исследование работы генетического алгоритма»
- •4.1 Порядок выполнения практической работы
- •4.2 Краткое описание работы с программой
- •4.3 Описание пунктов меню
- •Вопросы для проверки промежуточных знаний
- •Литература
Вопросы для проверки промежуточных знаний
Как представлена база знаний в нейросетевой экспертной системе?
Требования к полям обучающей выборки.
Достоинства и недостатки нейросетевой экспертной системы.
Как определить оптимальную архитектуру нейронной сети?
Что такое режим тестирования нейронной сети?
Какие нейросетевые экспертные системы вы знаете и их принципы построения?
Какие нейропакеты могут быть использованы при создании нейросетевой экспертной системы?
Что такое дообучение и переобучение нейронной сети?
Литература
Ростовцев, Владимир Сергеевич. Принципы построения экспертных систем: учеб. пособие / Ростовцев, Владимир Сергеевич; ВятГУ, ФАВТ, каф. ЭВМ. - 2-е изд., перераб. и доп. - Киров: О-Краткое, 2008. - 156c. (50 экз.)
Комарцова, Людмила Георгиевна. Нейрокомпьютеры: Учеб. пос. / Комарцова, Людмила Георгиевна, Максимов, Александр Викторович. - М.: Изд-во МГТУ им. Н. Э. Баумана, 2002. - 320c. - (Информатика в техническом университете). (в библиотеке –8 экз.).
Осовский С. Нейронные сети для обработки информации/ пер. с польского И.Д. Рудинского.-М.: Финансы и статистика, 2002.-344с. (в библиотеке –6 экз.).
Головко В.А. Нейронные сети: обучение, организация и применение. Кн.4; Учеб. пос. для вузов/Общая ред. А.И. Галушкина.-М.: ИПРЖР, 2001.-256с. (в библиотеке –2 экз.)
Галушкин А.И. Нейрокомпьютеры. Кн.3: Учеб. пос./ Общая ред. А.И. Галушкина.-М.: ИПРЖР, 2000.-528с. (в библиотеке –2 экз.).
Рутковская Д. и др. Нейронные сети, генетические алгоритмы и нечеткие системы: Пер. с польского И.Д. Рудницкого М.: Горячая линия- Телеком, 2004.-452с. (в библиотеке –3 экз.).
4 Практическая работа № 4 Тема: «Исследование работы генетического алгоритма»
Целью практической работы является изучение принципов работы генетического алгоритма и анализ влияния параметров генетического алгоритма на качество его работы. Работа выполняется с помощью программы Genetic.exe, разработанной на кафедре ЭВМ.
Вариант задания выдаётся студенту преподавателем.
Таблица 4.1- Варианты задания
Номер варианта |
Вид функции |
Диапазон изменения параметров |
Экстремум |
1 |
F(x,y)=-x*e-x2-y2 |
x[0;10] y[0;10] |
max |
2 |
F(x,y)=-x*e-x2-y2 |
x[0;10] y[0;10] |
min |
3 |
F(x,y)=-x2*e 1-x2-20*(x-y)2 |
x[0,01;0,5] y[1;2] |
max |
4 |
F(x,y)=-x2*e 1-x2-20*(x-y)2 |
x[0;10] y[0;10] |
min |
5 |
F(x,y)=-x2+0,5*y+(1-1,5*x)2+(1-2*y)2 |
x[0;10] y[0;10] |
max |
6 |
F(x,y)=-x2+0,5*y+(1-1,5*x)2+(1-2*y)2 |
x[0;10] y[0;10] |
min |
7 |
F(x,y)=(x-2)2+(y-5)2+(z+2)2-16-x+y-z |
x[0;10] y[0;10] z[0;5] |
max |
8 |
F(x,y)=(x-2)2+(y-5)2+(z+2)2-16-x+y-z |
x[0;10] y[0;10] z[0;5] |
min |
9 |
F(x,y)=-x2 -y2+10*cos(x)+10*sin(y) |
x[0;10] y[0;10] |
max |
10 |
F(x,y)=-x2 -y2+10*cos(x)+10*sin(y) |
x[0;10] y[0;10] |
Min |
11 |
F(x,y)= x2 +y2+40*sin(x)*sin(y) |
x[0;10] y[0;10] |
max |
12 |
F(x,y)= x2 +y2+40*sin(x)*sin(y) |
x[0;10] y[0;10] |
Min |
13 |
F(x,y)= e(x+y) / e(x2+y2) |
x[0;2] y[0;2] |
max |
14 |
F(x,y)= e(x+y) / e(x2+y2) |
x[0;2] y[0;2] |
Min |
15 |
F(x,y)= (y+1)2 -x2+y2(+(z-1)2 +z2-(x+1)2 |
x[0;10] y[0;10] z[0;5] |
max |
16 |
F(x,y)= (y+1)2 -x2+y2(+(z-1)2 +z2-(x+1)2 |
x[0;10] y[0;10] z[0;5] |
Min |
17 |
F(x,y)= (x-1)2+(y+2)2 +(z-2)2 +(t+1)2+z-y+x-t |
x[0;10] y[0;10] z[0;5] t[0;10] |
max |
18 |
F(x,y)= (x-1)2+(y+2)2 +(z-2)2 +(t+1)2+z-y+x-t |
x[0;10] y[0;10] z[0;5] t[0;10] |
Min |
19 |
F(x1, x2, x3, x4, x5, x6)= x12 + x2 2 + x32 + x42 + x5 2 + x62 |
[-10; +10] |
Min |
20 |
F(x1, x2, x3)= x12 + x2 2 +
|
[-5; +5] |
Min |
21 |
F(x1, x2 )= 20+ x1* x1+ x2* x2 -10*cos(x1 ) -10*cos (x2 ) |
[-10; +10] |
max |
