1393

Рис. 15. Архитектура ансамбля

Рис. 16. Таблица предсказаний

Задания

1.Построить и обучить нейронную сеть с помощью конструктора, автоматизирующую выбор банка для выдачи кредита заемщику на основе представленных данных для шести видов банков (Сбербанк, Омск-Банк, ОТП-банк, ИТ-банк, ВТБ, КМБ-банк). В исходных данных содержатся четыре переменные (срок кредита, процентные ставки, сумма кредита, заработная плата заемщика).

2.Введите исходные данные с количеством наблюдений – 50 (конкретные значения переменных получить у преподавателя) в соответ-

40

ствии со следующими условиями (см.табл. 4).

3.Построить нейронную сеть в соответствии с настройками:

тип задачи: классификация;

инструмент: конструктор сетей;

тип сети: многослойный персептрон;

число скрытых слоев: 1;

число элементов в скрытом слое: 5.

4.Провести обучение сети.

5.Проверить производительность сети.

6.Сравнить производительность полученной сети с производительностями предыдущих сетей.

7.Переобучить сеть при необходимости.

8.Предотвратить зашумление графика.

9.Определить производительность нейронной сети.

10.Интерпретировать результаты после обучения.

11.Завершить анализ.

12.Изменить тип сети: радиальная базисная функция.

13.Радиальное задание: К-Среднее, Радиальное распространение: Изотропное, масшт. 1.

14.Создать ансамбль.

15.Вывести Архитектуру сети и интерпретировать ее.

16.Осуществить выборку модели из ансамбля с наилучшими показателями.

17.Сохранить нейронные сети на диске.

18.Оформить отчет о выполненной работе.

41

Контрольные вопросы

1.Особенности базы данных для построения нейронной сети.

2.При каких условиях нужно применять ансамбли?

3.Как влияет формирование выбора наблюдений для обучения сети?

4.Что такое интерактивное обучение?

5.Особенности РБФ.

6.В каких случаях необходимо указывать настройку «К-среднее»?

7.Каким образом можно изменить сеть в результате отклонений?

8.Как выбор модели влияет на обучение?

9.Что такое центры кластеров и зачем они нужны?

10.Какой результат работы опции «Изотропное»?

Лабораторная работа № 5

ПОСТРОЕНИЕ И ОБУЧЕНИЕ НЕЙРОННОЙ СЕТИ КОХОНЕНА, АНАЛИЗ ТОПОЛОГИЧЕСКОЙ КАРТЫ

Цель работы – научиться определять показатели скорости обучения и интерпретировать показатели топологической карты.

Порядок работы

1.Открыть файл данных Вуз.sta (см.табл.П.2) с помощью команды

Файл – Открыть.

2.Выбрать команду Нейронные сети в меню Анализ для вызова стартовой панели.

3.Выбрать опцию Классификация в группе Тип задачи.

4.Выбрать Конструктор сетей на вкладке Нейронные сети.

Рис. 17. Выбор типа сети

5. Нажать кнопку Переменные и выбрать переменную ИТОГ в

42

поле Категориальные выходные, а переменные Рус.яз_ЕГЭ, Матем_ЕГЭ, Химия и Ин.яз в группе Непрерывные входные.

6.В диалоге Конструктор сетей выбрать опцию Самоорганизующаяся карта Кохонена (СОКК) (рис. 17).

7.Перейти на вкладку Элементы в диалоге Конструктор сетей и установить параметр Ширина равным 4, а параметр Высота – 5.

8.Нажать кнопку OK.

9.В окне Самоорганизующаяся карта Кохонена – обучение на вкладке Быстрый (рис. 18) установить в первом и во втором этапах 50 эпох.

10.В первом этапе: Скорости обучения начальное – 0,1, конечные

–0,5 и размер Окрестности – 1.

11.Во втором этапе: Скорость обучения – установить значение 0,1, а также параметр Окрестность равным 0.

12.На вкладке Интерактивный выбрать опцию Интерактивное обучение – Сохранять предыдущий график (для сравнения).

Рис. 18. Настройки сети СОКК

13.Нажать кнопку OK.

14.В диалоге Идет обучение (рис. 19) нажать кнопку OK, чтобы направить полученный график в рабочую книгу, а затем продолжить

Анализ.

43

15.В диалоге Топологическая карта переместить указатель мыши

ипосмотреть данные (рис. 20) в правом нижнем углу диалога – информация о нейроне, на который указывает мышь, в нижнем поле отображается элемент, класс, активация и частота выигрыша.

16.Выбрать вкладку Частоты выигрышей и опцию Показать частоту выигрышей на Топологической карте. Посмотреть изменения на вкладке Топологическая карта.

17.Перейти на вкладку Дополнительно и выбрать опцию Уровень активации. Затем открыть вкладку Топологическая карта для про-

смотра изменений.

18.Просмотреть, что первые 50 наблюдений представляют класс

НЕ ПОСТУПИЛ.

19.Запустить первое наблюдение, нажимая прокрутку рядом с полем наблюдения до тех пор, пока не появится значение 1.

20.Отметить выигравший нейрон: выбрать класс НЕ ПОСТУПИЛ в выпадающем списке и нажать кнопку Изменить список классов (топологическая карта будет обновлена, и на ней появится имя элемента.

Рис. 19. График обучения

Рис. 20. Информация о нейроне

21.Закрыть диалоги Топологическая карта (рис. 21) и Результа-

ты для возврата в диалог СОКК – обучение.

22.Нажать кнопку Пользователя в окне Самоорганизующаяся карта Кохонена – обучение для отображения диалога Радиальный

слой – обучение.

44

Рис. 21. Топологическая карта

23.Выбрать вкладку Метки, ввести значение 0,9 в поле Мини-

мальное отношение и нажать кнопку Соседей на диаграмме Вороного.

24.Нажать кнопку OK в диалоге Идет обучение для возврата в диалог Радиальный слой – обучение.

25.После завершения работы алгоритма нажать кнопку OK, чтобы окончить обучение СОКК.

26.Используя наблюдения, посмотреть насколько хорошо СОКК классифицирует контрольную и проверочную выборки.

Не нужно ждать, пока нейрон на топологической карте выиграет, чтобы отметить его. Нужно выбрать его и его класс, затем выбрать и перетащить диапазон элементов.

Задания

1.Построить и обучить нейронную сеть Кохонена для автоматизации определения наличия неисправности в насосе топливной колонки на автозаправочной станции.

2.Ввести исходные данные с количеством наблюдений – 30 (конкретные значения переменных получить у преподавателя) в соответствии со следующими условиями (табл. 5).

3.Построить нейронную сеть в соответствии с настройками:

тип задачи: классификация;

45

инструмент: конструктор сетей;

тип сети: самоорганизующаяся карта Кохонена;

ширина карты: 4, высота: 5;

на первом этапе обучения: эпох – 50, скорость обучения начальная – 0,1, конечная – 0,5, окрестность – 1;

на втором этапе обучения: эпох – 50, скорость обучения начальная 0,1, конечная – 0,1, окрестность – 0;

выбрать опцию Сохранять предыдущий график.

Таблица 5

Основные данные для определения неисправности в топливной колонке

4.Интерпретировать показатели Топологической карты.

5.Выявить изменения на топологической карте при включенной опции. Показать частоту выигрышей на топологической карте.

6.Выявить изменения на топологической карте при выбранной опции Уровень активации.

7.Определить нейрон, который победил.

8.Сделать анализ построения нейронной сети и отразить в отчете.

9.Сохранить полученную нейронную сеть на диске.

10.Оформить отчет о выполненной работе.

Контрольные на вопросы

1.Что такое производительность сети?

2.Если сформировать ансамбль из проверенных сетей, будет ли полученная оценка производительности являться несмещенной оценкой общей производительности?

3.Назначение анализа чувствительности сети.

4.От чего зависит количество этапов обучения?

5.Что такое чувствительность?

6.Чем определяется Ширина и Высота топологической карты и зачем?

46

7.Интерпретируйте отображение на Топологической карте «неизвестно».

8.Чем ограничиваются входные и выходные переменные в самоорганизующейся сети Кохонена?

9.Какую информацию несет в себе Поверхность отклика?

10.Что такое проверка устойчивости на выборках?

Лабораторная работа № 6

ЗАДАЧА ВЫБОРА ВХОДНЫХ ПЕРЕМЕННЫХ В ПРОГНОЗИРОВАНИИ ДАННЫХ

Цель работы – научиться определять входные данные для построения и обучения нейронной сети, а также осуществлять выбор типа нейронной сети в зависимости от изменения входных данных.

Порядок работы

1.Открыть файл данных Вуз.sta (см.табл.П.2) с помощью команды

Файл – Открыть.

2.Выбрать команду Нейронные сети в меню Анализ для вызова стартовой панели.

3.Выбрать опцию Классификация в группе Тип задачи.

4.Выбрать Конструктор сетей на вкладке Нейронные сети.

5.Нажать кнопку Переменные и выбрать переменную ИТОГ в поле Категориальные выходные, а переменные Рус.яз_ЕГЭ, Матем_ЕГЭ, Химия и Ин.яз в группе Непрерывные входные.

6.В диалоге Конструктор сетей выбрать опцию Самооргани-

зующаяся карта Кохонена.

7.Перейти на вкладку Элементы в диалоге Конструктор сетей, и установить параметр Ширина равным 4, параметр Высота равным 5.

8.Нажать кнопку OK.

9.На вкладке Самоорганизующаяся карта Кохонена – обучение

–Быстрый установить в первом и во втором этапах 50 эпох.

10.В первом этапе Скорости обучения начальная – 0,1, конечная –

0,5 и размер Окрестности – 1.

11.Во втором этапе: Скорость обучения установить значение 0,1, а также параметр Окрестность равным 0.

12.На вкладке Интерактивный выбрать опцию Интерактивное обучение. Нажать кнопку OK.

13.В диалоге Идет обучение нажать кнопку OK, чтобы направить

47

полученный график в рабочую книгу, а затем продолжить Анализ. Если анализа чувствительности нет, то (нужно нажать Отмена) выбрать другой тип сети.

14.В диалоге Результаты на вкладке Чувствительность нажать кнопку Анализ чувствительности.

15.Определить ключевые и лишние переменные (переменные Химия и Ин.яз являются наиболее важными, а две другие переменные имеют меньшую значимость).

16.Вернуться на вкладке Результаты и выбрать подмножества –

Быстрый Выборки для вывода результатов – Все (отдельно), а за-

тем запустить Анализ чувствительности.

17.Выполнить проверку устойчивости на обучающей, контрольной

итестовой выборках – чувствительность для контрольной и тестовой выборок ниже, чем для обучающей выборки, и, в частности, несколько входов с низкой чувствительностью.

18.На вкладке Удаление в диалоге обучения определить параметры исключения на основе чувствительности. Для этого нужно указать величину порога (1,0, или немного больше – 1,001 или 1,01), и после обучения все входы с меньшей чувствительностью будут автоматически удалены.

19.Завершить анализ.

20.Открыть файл данных Кредит.sta

21.На вкладке Быстрый нажать кнопку Переменные. Многослойный перцептрон.

22.Выбрать переменную Риск в качестве зависимой переменной, а переменные В1-В9 как независимые переменные и нажать кнопку

OK.

23.Выбрать опцию Понижение размерности на вкладке стартовая панель – Дополнительно и нажать кнопку OK, чтобы отобразить диалог Понижение размерности.

24.Перейти на вкладку Интерактивный, в группе Результат в Отчет выбрать опцию Все проверенные сочетания.

25.Нажать кнопку OK.

26.Прервать алгоритм понижения размерности в любой момент, нажать кнопку Готово.

27.Открыть рабочую книгу для просмотра итогов.

28.На вкладке Дополнительно в диалоге Понижение размерности присвоить переменной Штраф за элемент – 1,0001.

29.Вернуться в п.22 и дополнить массив произвольными данными,

48

затем повторить п.22–28.

30.Вызвать диалог Понижение размерности, перейти на вкладку

Генетический алгоритм и нажать кнопку OK.

31.Если процесс занимает слишком много времени, нажать кнопку Готово, чтобы остановить его.

32.Полученные результаты сравнить с результатами анализа чувствительности.

Задания

1.Построить и обучить нейронную сеть для автоматизации прогноза цены в соответствии с классом устройства носителя информации на основе следующих данных: плотность данных, скорость записи данных, класс устройства.

2.Введите исходные данные с количеством наблюдений 30 (конкретные значения переменных получить у преподавателя) в соответствии со следующими условиями (табл. 6).

3.Построить нейронную сеть в соответствии с настройками:

тип задачи: классификация;

инструмент: конструктор сетей;

тип сети: самоорганизующаяся карта Кохонена

ширина карты: 4, высота: 5;

на первом этапе обучения: эпох – 50, скорость обучения начальная – 0,1, конечная – 0,5, окрестность – 1;

на втором этапе обучения: эпох – 50, скорость обучения начальная 0,1, конечная – 0,1, окрестность – 0.

выбрать опцию Сохранять предыдущий график.

4.Провести интерактивное обучение.

5.Выявить зависимость между анализом чувствительности и типом сети.

6.Определить ключевые и лишние переменные.

49