3.4 Тестирование сети
Перед тем, как воспользоваться нейронной сетью, необходимо исследовать степень достоверности результатов вычислений сети на тестовом массиве входных векторов. В качестве тестового массива необходимо использовать массив, компоненты которого отличаются от компонентов массива, использованного для обучения. В нашем случае для получения тестового массива достаточно воспользоваться еще раз программой из таблицы 1.
Для оценки достоверности результатов работы сети можно воспользоваться результатами регрессионного анализа, полученными при сравнении эталонных значений со значениями, полученными на выходе сети когда на вход поданы входные векторы тестового массива. В Matlab для этого можно воспользоваться функцией postreg. Следующий набор команд иллюстрирует описанную процедуру:
[создание нового тестового массива P, см. таблицу 1]
y=sim(net,P); % обработка тестового массива
[m,b,r]=postreg(y(1,:),T(1,:)); % регрессионный анализ результатов обработки
Таким образом мы сравним компоненты С эталонных векторов с соответствующими компонентами выходных векторов сети. Видно, что все точки легли на прямую, что говорит о правильной работе сети на тестовом массиве.
Следующие проверки:
[m,b,r]=postreg(y(2,:),T(2,:));
[m,b,r]=postreg(y(3,:),T(3,:));
Как видно из рисунков, сеть успешно решает поставленную задачу для всех трех выходных параметров.
3.5. Использование сети для решения поставленной задачи
Для того, чтобы применить обученную сеть для обработки данных, необходимо воспользоваться функцией sim: Y=sim(net,p);
где p – набор входных векторов, Y – результат анализа в виде набора выходных векторов. Например, пусть С=0.2, A=0.8, S=0.7, тогда
p=0.2*exp(-((x-0.8).^2/0.7));
p=p';%инвертируем матрицу
Подставим этот входной вектор в качестве аргумента функции sim:
Y=sim(net,p)
Получим:
Y =
0.2048 (C)
0.8150 (A)
0.7048 (S)
Полученные значения достаточно близки к правильному результату (0.2; 0.8; 0.7).
4. Задания по лабораторной работе
4.1 Ознакомьтесь с теоретическими сведениями по НС во введении
4.2 Выполните описанные в п. 3.1 действия по решению задачи 1 и дайте оценку результатам.
4.3 Выполните описанные с п. 3.2 действия по решению задачи 2. Оцените практическую применимость нейронных сетей для решения задач такого типа.
4.4 Оформите отчёт по ЛР (п. 5).
5. Содержание отчёта по лабораторной работе
- титульный лист (см. приложение на последнем листе);
- описание решенных задач;
- скриншоты программ и результатов их выполнения;
- выводы.
6. Библиографический список
6.1 Ю. П. Маслобоев. Matlab Neural Network Toolbox. Практическое руководство [электронный ресурс] URL:
http://matlab.exponenta.ru/neuralnetwork/book1/index.php
6.2 А. В. Федотов. Моделирование нейронных сетей в Matlab. [Методические указания к ЛР] // Омск, ОмГТУ. – 2010.
Приложение 1. Титульный лист отчета по лабораторной работе
Министерство образования и науки РФ
Федеральное государственное бюджетное образовательное учреждение высшего образования
«Омский государственный технический университет»
Кафедра «Информатика и вычислительная техника»
Отчёт по лабораторной работе № ____
по дисциплине
«____»
|
Выполнил Студент гр. АБВ-101 Серый И.А. ______________ (подп., дата) Проверил Старший преподаватель каф. ИВТ Звонов А.О. ______________ (подп., дата) |
Омск, 201_