ОВИ_ЛР_2012

сигналов возможно обучение нейросети с помощью следующего алгоритма:

Шаг 1. Задается множество M = {(Х 1, t1), …, (Х m, t m)}, состоящее из пар (входное изображение X k = x1k ,...,xnk , необходимый выходной сигнал нейрона t k, k 1, m). Инициируются веса связей нейрона:

wji = 0, j 1, n , i 1, m.

Шаг 2. Каждая пара (Х k, t k), проверяется на правильность реакции нейронной сети на входное изображение. Если полученный выходной вектор сети ( y1k , …, ymk ), отличается от заданного t1 = (t1k , …, tmk ), то выполняют шаги 3 – 5.

Шаг 3. Инициируется множество входов нейронов: x0 = 1, xj = xjk,

j 1, n.

Шаг 6. Проверяются условия останова, т.е. правильности функционирования сети при предъявлении каждого входного изображения. Если условия не выполняются, то переход к шагу 2

алгоритма, иначе – прекращение вычислений (переход к шагу 7).

Шаг 7. Останов.

311

16.3. Индивидуальные задания

1.Разработайте структуру сети Хебба, которая способна распознавать четыре различные буквы вашего имени или фамилии.

2.Разработайте алгоритм и программу в М-файле, моделирующую сеть Хебба. При этом в алгоритме обязательно предусмотрите возможность возникновения ситуаций с неразрешимыми проблемам адаптации весов связей нейросети.

3.Обучите нейронную сеть Хебба распознаванию четырех заданных символов вашего имени или фамилии.

4.Продемонстрируйте работоспособность сети при предъявлении обучающих изображений и изображений, содержащих ошибки.

5.Оформить отчет по лабораторной работе.

312

СОДЕРЖАНИЕ ОТЧЕТОВ

1.Тема лабораторной работы.

2.Цель лабораторной работы.

3.Индивидуальное задание.

4.Результаты выполнения всех пунктов индивидуального задания.

5.Выводы по работе.

313

СПИСОК ЛИТЕРАТУРЫ

1. Ануфриев И. Е. Самоучитель MATLAB 7 / И. Е. Ануфриев,

А. Б. Смирнов, Е. Н. Смирнова. СПб. : БХВ-Петербург, 2005. 1104 с.

2. Ануфриев И. Е. Самоучитель MATLAB 5.3/6x/ И. Е. Ануфриев.

СПб. : БХВ-Петербург, 2004. 736 с.

3.Кетков Ю. MATLAB 6x: программирование численных методов /

6.Дубов И. Р. Аппроксимация вероятностных законов в системах мониторинга / И. Р. Дубов. – Владимир, 2001. – 137 с.

7.Дьяконов В. П. MATLAB 6: учебный курс / В. П. Дьяконов.

–СПб. : Питер, 2001. – 592 с.

8.Дьяконов В. П. Математические пакеты расширения MATLAB:

Спец. справ. / В. П. Дьяконов, В. В. Круглов. – СПб. : Питер, 2001. – 480 с.

9. Чен. К. MATLAB в математических исследованиях / К. Чен,

П. Джиблин, А. Ирвинг. – М. : Мир, 2001. – 346 с.

10. Леоненков А. В. Нечеткое моделирование в среде MATLAB и fuzzyTECH / А. В. Леоненков. – СПб. : БХВ-Петербург, 2003.

11.Дьяконов В. П. MATLAB 6/6.1/6.5 + SIMULINK 4/5 в математике

имоделировании / В. П. Дьяконов. – М. : СОЛОН-Пресс, 2003 – 565 с.

12.Дьяконов В. П. MATLAB 6.5 SP1/7/7 SP1/7 SP2 + SIMULINK 5/6.

Инструменты искуственного интеллекта и биоинформатики //

В. П. Дьяконов. – М. : СОЛОН-Пресс, 2006 – 456 с.

13. Круглов В. В. Нечёткая логика и искусственные нейронные сети:

Учеб. пособие / В. В. Круглов, М. И. Дли, Р. Ю. Голунов. – М. :

Издательство Физико-математической литературы, 2001. – 224 с.

314

14. Панченко Т. В. Генетические алгоритмы. Учебное пособие /

Т. В. Панченко. – Астрахань: Изд. дом "Астраханский университет", 2007.

–87 с.

15.Амосов О. С. Интеллектуальные информационные системы.

17.Галушкин А. И. Применения нейрокомпьютеров в финансовой деятельности / А. И. Галушкин. – Новосибирск: Наука, 2002. – 215с.

18.Ефимов Д. В. Нейросетевые системы управления / Д. В. Ефимов.

–М. : Высшая школа, 2002. – 184 с.

19.Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика /

Ф. Уоссермен. – М. : Мир, 2006. – 240 с.

20. Ясницкий Л. Н. Введение в искусственный интеллект /

Л. Н. Ясницкий. – М. : Издательский центр "Академия", 2005. – 176 с.

21. Ярушкина Н. Г. Основы теории нечетких и гибридных систем:

Учеб. пособие / Н. Г. Ярушкина. – M. : Финансы и статистика, 2004.

–708 с.

23.Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности / Г. К. Вороновский, К. В. Махотило,

С. Н. Петрашев, С. А. Сергеев. – Х. : Основа, 1997. – 112 с.

24.Weise T. Global Optimization Algorithms Theory and Application / T. Weise. – 2008. – 818 p.

25.Alireza M. Genetic algorithms / M. Alireza. – Tehran: Naghoos, 2008.

– 144 p.

315

издание. Пер. с англ. / Д. Г. Мэтьюз, К. Д. Финк. – М. : Издательский дом

"Вильямс", 2001. – 720 с.

автоматизированного управления и принятия решений. Учебн. Пособие / А. С. Пономарев. Х. : НТУ "ХПИ", 2005. 232 с.

31.Нурматова Е. В. Архитектура системы нечеткого вывода, пример реализации / Е. В. Нурматова. – М. : Вестник МГАПИ. – №1, 2005.

32.Nurmatova E.V. The modeling of vibrodiagnostics process on the basis of neuro-fuzzy networks / E. V. Nurmatova, V. D. Ivchenko // Optical Memory and Neural Networks, Allerton Press, 2005.

–М. : КУДИЦ@ОБРАЗ, 2000. – 336 с.

34.Дьяконов В. П. MATLAB 5.0/5.3. Система символьной математики / В. П. Дьяконов, И. В. Абраменкова. – М. : Нолидж, 1999.

–640 с.

35.Говорухин В. Компьютер в математическом исследовании.

Учебный курс / В. Говорухин, В. Цибулин. – СПб. : Питер, 2001.

– 624 с.

316

ДЛЯ ЗАМЕТОК

317

ДЛЯ ЗАМЕТОК

318

ДЛЯ ЗАМЕТОК

319