Лабораторная работа по курсу «Методы искусственного интеллекта».
Вариант 1
Модель объекта при xi[–5, 10] описывается следующей зависимостью:
,
где переменные xi, y – соответственно входы и выход объекта.
Разработать программное обеспечение и получить нейросетевую модель, описывающую поведение объекта на указанном интервале. Выполнить проверку адекватности модели.
Лабораторная работа по курсу «Методы искусственного интеллекта».
Вариант 2
Модель объекта при xi[–5, 5] описывается следующей зависимостью:
,
где переменные xi, y – соответственно входы и выход объекта.
Разработать программное обеспечение и получить обратную нейросетевую модель объекта. Выполнить проверку адекватности модели.
Лабораторная работа по курсу «Методы искусственного интеллекта».
Вариант 3
Модель объекта при xi[–5, 5] описывается следующей зависимостью:
где переменные xi, yi – соответственно входы и выходы объекта.
Разработать программное обеспечение и получить нейросетевую модель, описывающую поведение объекта на указанном интервале. Выполнить проверку адекватности модели.
Лабораторная работа по курсу «Методы искусственного интеллекта».
Вариант 4
Имеющуюся выборку экспериментальных данных разделить на обучающую и тестовую, исследовать нейронные сети различных структур и найти наилучшую аппроксимирующую нейросетевую модель с использованием самостоятельно разработанного программного обеспечения.
Вход 1 |
Вход 2 |
Вход 3 |
Вход 4 |
Вход 5 |
Выход 1 |
Выход 2 |
Выход 3 |
Выход 4 |
0,141 |
4,207 |
–2,367 |
0,008 |
–4,587 |
–0,721 |
0,000 |
–0,296 |
0,002 |
0,668 |
–4,927 |
–3,454 |
1,864 |
0,204 |
–0,004 |
–0,032 |
0,527 |
–0,016 |
–1,904 |
–2,734 |
0,086 |
0,074 |
–4,529 |
0,020 |
0,000 |
0,120 |
0,559 |
4,275 |
–2,460 |
–0,390 |
0,665 |
–4,568 |
–0,043 |
0,000 |
0,126 |
0,189 |
2,304 |
–1,303 |
0,886 |
–0,742 |
0,485 |
–0,040 |
0,002 |
0,045 |
–0,024 |
–4,042 |
–3,144 |
4,146 |
1,612 |
2,138 |
0,057 |
–0,168 |
0,083 |
–0,422 |
–4,685 |
–3,624 |
–1,721 |
–1,312 |
–3,066 |
0,035 |
0,020 |
0,189 |
0,700 |
4,247 |
2,087 |
1,299 |
4,294 |
–1,997 |
–2,407 |
–0,001 |
–0,107 |
0,006 |
–3,929 |
2,809 |
–3,254 |
–4,405 |
–0,967 |
3,005 |
0,167 |
–0,124 |
0,005 |
3,455 |
–4,063 |
–2,933 |
1,287 |
3,621 |
–0,021 |
–0,003 |
0,369 |
–0,176 |
3,478 |
–3,091 |
1,046 |
3,543 |
2,711 |
–0,038 |
–0,005 |
0,157 |
–0,130 |
–0,075 |
4,622 |
1,919 |
–0,279 |
1,623 |
1,085 |
0,013 |
–0,139 |
0,000 |
2,372 |
1,021 |
–0,312 |
4,904 |
4,105 |
–0,311 |
–0,043 |
–0,073 |
–0,052 |
–2,627 |
–3,918 |
1,027 |
1,178 |
–4,662 |
0,027 |
–0,005 |
0,163 |
0,684 |
4,245 |
1,757 |
4,763 |
4,983 |
–3,861 |
–2,100 |
0,000 |
–0,055 |
0,017 |
4,881 |
–2,225 |
–3,950 |
–3,432 |
–0,803 |
–0,030 |
0,000 |
0,135 |
0,030 |
3,799 |
–4,692 |
1,010 |
–3,611 |
3,548 |
–0,039 |
0,005 |
0,102 |
–0,165 |
0,453 |
1,031 |
–1,177 |
1,837 |
0,994 |
–0,054 |
–0,049 |
–0,070 |
–0,017 |
–2,218 |
–0,715 |
–3,336 |
–4,386 |
3,186 |
0,032 |
0,584 |
0,032 |
–0,309 |
–4,890 |
2,183 |
2,462 |
1,278 |
4,904 |
3,463 |
–0,294 |
–0,072 |
–0,071 |
–4,027 |
–1,775 |
–0,970 |
–1,024 |
3,783 |
0,045 |
0,172 |
0,083 |
–0,682 |
–3,749 |
2,129 |
0,469 |
–4,959 |
–2,429 |
2,052 |
0,103 |
–0,041 |
0,029 |
4,931 |
–2,072 |
–3,799 |
–0,877 |
–4,150 |
–0,033 |
0,000 |
0,177 |
0,154 |
–0,744 |
3,701 |
–3,609 |
4,527 |
1,353 |
1,650 |
–0,268 |
–0,503 |
–0,001 |
–0,290 |
4,631 |
–4,172 |
–1,093 |
1,498 |
1,882 |
0,056 |
–0,414 |
0,000 |
2,798 |
–0,978 |
–1,612 |
2,864 |
2,087 |
–0,044 |
–0,009 |
0,079 |
–0,088 |
3,524 |
2,309 |
–3,983 |
0,342 |
–2,799 |
–1,283 |
0,000 |
–0,238 |
0,007 |
3,381 |
–3,472 |
–0,359 |
–3,772 |
–3,184 |
–0,031 |
0,001 |
0,095 |
0,156 |
–0,562 |
–3,419 |
–4,582 |
–1,693 |
–2,573 |
0,003 |
0,022 |
0,309 |
0,250 |
–0,783 |
–4,329 |
–3,218 |
–0,780 |
1,941 |
0,005 |
0,056 |
0,329 |
–0,199 |
2,625 |
3,174 |
–2,658 |
–1,739 |
1,075 |
–3,493 |
0,005 |
–0,189 |
–0,001 |
–1,274 |
–2,035 |
4,910 |
3,126 |
0,740 |
0,023 |
–0,178 |
0,055 |
–0,078 |
0,525 |
–0,508 |
3,794 |
–2,083 |
–2,371 |
–0,021 |
0,015 |
0,009 |
0,124 |
2,339 |
0,470 |
–4,484 |
2,247 |
3,162 |
–0,087 |
–0,016 |
–0,066 |
–0,066 |
–0,755 |
–0,248 |
4,756 |
–4,495 |
0,028 |
0,040 |
0,175 |
0,003 |
–0,002 |
0,185 |
–2,455 |
–0,988 |
–4,000 |
–0,679 |
–0,002 |
0,075 |
0,073 |
0,056 |
0,127 |
0,328 |
–4,924 |
–0,081 |
2,632 |
–0,004 |
0,005 |
–0,040 |
–0,090 |
0,747 |
–1,504 |
–4,114 |
–4,212 |
–4,291 |
–0,006 |
0,008 |
0,083 |
0,285 |
Лабораторная работа по курсу «Методы искусственного интеллекта».
Вариант 5
Разделить имеющуюся экспериментальную выборку на обучающую и тестовую подвыборки. Разработать программное обеспечение и решить задачу разбиения наборов входных переменных по заданному количеству кластеров для обучающей подвыборки. Провести кластерный анализ и составить описание каждого кластера на основе информации о значениях входных и выходных переменных, вошедших в каждый кластер. Провести тестирование.
Вход 1 |
Вход 2 |
Вход 3 |
Вход 4 |
Вход 5 |
Выход 1 |
Выход 2 |
Выход 3 |
Выход 4 |
–5,04 |
1,30 |
4,32 |
–1,72 |
–2,77 |
–3,25 |
0,83 |
1,65 |
–1,38 |
5,16 |
7,23 |
–9,30 |
–8,76 |
7,58 |
1,64 |
1,25 |
–1,19 |
–1,69 |
9,25 |
2,92 |
6,70 |
–7,66 |
5,34 |
0,52 |
1,46 |
1,39 |
–2,54 |
–4,31 |
6,23 |
7,41 |
8,21 |
–4,21 |
–3,06 |
1,49 |
1,20 |
0,93 |
9,74 |
5,46 |
7,60 |
–9,63 |
–0,83 |
0,32 |
1,61 |
1,14 |
–0,87 |
9,85 |
–6,44 |
–6,67 |
8,60 |
–6,22 |
0,27 |
–3,14 |
–3,06 |
0,78 |
–8,89 |
–8,99 |
8,09 |
–4,37 |
0,97 |
–1,57 |
–1,49 |
0,97 |
–3,08 |
–5,71 |
1,50 |
–3,34 |
5,32 |
8,53 |
–3,27 |
0,93 |
–2,58 |
1,62 |
–0,71 |
–1,37 |
0,81 |
–6,97 |
9,82 |
–0,55 |
–1,09 |
0,55 |
–2,93 |
8,99 |
–4,81 |
–9,07 |
–7,33 |
–7,12 |
0,63 |
–3,21 |
–1,40 |
–2,74 |
–9,75 |
–7,61 |
8,93 |
–0,58 |
–2,73 |
–0,75 |
–2,58 |
0,65 |
–0,44 |
–6,54 |
2,07 |
–7,81 |
–7,85 |
5,94 |
–3,10 |
1,19 |
–2,44 |
–2,41 |
8,18 |
–7,77 |
–7,10 |
2,56 |
–3,29 |
0,94 |
–2,47 |
–2,87 |
1,36 |
–0,23 |
–5,79 |
–4,77 |
–4,69 |
–0,52 |
–0,17 |
–3,27 |
–3,20 |
–3,18 |
–1,39 |
–4,50 |
–4,65 |
–8,73 |
–2,40 |
–1,11 |
–3,12 |
–3,17 |
–1,72 |
–3,31 |
6,56 |
–0,51 |
5,34 |
–0,08 |
–2,56 |
1,42 |
–0,39 |
1,62 |
–8,14 |
–4,11 |
–3,24 |
1,07 |
–8,36 |
–2,21 |
–2,98 |
–2,52 |
0,70 |
7,13 |
8,90 |
1,54 |
–6,64 |
–2,02 |
1,28 |
0,66 |
0,95 |
–3,07 |
–7,95 |
–2,25 |
7,98 |
–3,81 |
–9,84 |
–2,34 |
–1,81 |
1,01 |
–2,84 |
–3,94 |
–1,65 |
–0,25 |
1,40 |
0,32 |
–2,90 |
–1,33 |
–0,19 |
0,88 |
6,32 |
1,68 |
0,78 |
–0,45 |
–9,99 |
1,47 |
1,02 |
0,53 |
–0,34 |
–3,30 |
–1,75 |
4,55 |
–4,52 |
–5,02 |
–2,56 |
–1,40 |
1,66 |
–3,13 |
3,59 |
2,16 |
9,29 |
7,41 |
2,42 |
1,59 |
1,22 |
0,50 |
1,20 |
1,89 |
7,76 |
8,02 |
–9,29 |
5,90 |
1,11 |
1,08 |
0,99 |
–1,20 |
–1,49 |
2,12 |
–3,12 |
–3,89 |
–8,23 |
–1,19 |
1,20 |
–2,44 |
–2,88 |
–4,23 |
–1,48 |
–7,22 |
–3,72 |
3,40 |
–3,03 |
–1,18 |
–2,81 |
–2,80 |
2,17 |
9,61 |
–2,84 |
–4,05 |
–6,99 |
1,23 |
0,37 |
–2,25 |
–2,95 |
–5,14 |
3,34 |
–0,87 |
–6,17 |
–3,42 |
–3,26 |
1,55 |
–0,68 |
–3,21 |
–8,31 |
3,81 |
–7,35 |
–8,42 |
0,43 |
–2,07 |
1,62 |
–2,73 |
–1,98 |
0,21 |
–5,63 |
–5,94 |
–3,90 |
7,52 |
0,15 |
–3,28 |
–3,25 |
–2,89 |
6,17 |
6,61 |
–1,22 |
0,31 |
4,51 |
1,50 |
1,41 |
–0,97 |
0,22 |
–4,72 |
1,44 |
–4,96 |
–0,30 |
–2,42 |
–3,19 |
0,90 |
–3,24 |
–0,23 |
5,09 |
–9,90 |
2,33 |
–8,30 |
–0,34 |
1,64 |
–0,60 |
1,28 |
–2,08 |
–9,43 |
–7,91 |
–0,64 |
–5,72 |
9,44 |
–1,07 |
–2,37 |
–0,49 |
–3,27 |
8,80 |
–0,68 |
–4,22 |
7,43 |
2,17 |
0,70 |
–0,53 |
–3,03 |
1,19 |
9,41 |
2,21 |
3,56 |
7,89 |
–0,13 |
0,46 |
1,24 |
1,58 |
1,04 |
–1,93 |
8,67 |
7,28 |
9,82 |
8,35 |
–1,55 |
0,75 |
1,23 |
0,28 |
7,84 |
6,00 |
–1,58 |
1,31 |
–8,35 |
1,06 |
1,53 |
–1,27 |
0,83 |
Лабораторная работа по курсу «Методы искусственного интеллекта».