neuro_lab3

Получим данные скрытого слоя (run data set - run):

Для получения визуализации данных воспользуемся программой Statistica. Создадим в ней новую таблицу и вставим скопируемые данные из 3 столбцов в нее:

Создадим область с визуализацией данных скрытого слоя. Графика – 3М XYZ графики – диаграммы рассеяния:

11

Выберем переменные:

Перейдем на вкладку «Дополнительно» этого окна и выберем кнопку «отметить выбранные подгруппы». Заполним открывшееся окно следующим образом:

12

Построим диаграмму рассеяния:

13

Из рисунка видно, что области находятся друг от друга на значительном расстоянии, следовательно, сжатие данных выполнено качественно.

Сохраните таблицу с данным для этого случая (нужно для ЛР № 4).

4) Создадим автоассоциативную ИНС с 3 нейронами в скрытом слое и обучим ее на 4 классах:

14

Применим ignore к наблюдениям 5-го класса:

Обучим ИНС:

15

Удалим последний слой:

16

Сделаем проигнорированные наблюдения 5-го класса обучающими (train):

Получим данные скрытого слоя (run data set – run):

В программе Statistica очистим таблицу от данных и вставим в нее скопированные значения. Настройки диаграммы рассеяния оставим такие же, как в предыдущем подпункте.

17

Получим диаграмму рассеяния:

Из рисунка видно, что области находятся друг от друга на значительном расстоянии, следовательно, сжатие данных выполнено качественно.

Сравнивая результаты для ИНС с 2 и 3 нейронами в скрытом слое, можно сказать, что 3 нейрона при обучении на 4 или 5 классах, а также 2 нейрона при обучении на 5 классах дают более хорошие результаты, чем 2 нейрона при обучении на 4 классах. Наилучшие результаты характерны для 3 нейронов в скрытом слое и 5 обучающих классов.

После получения рисунков закроем Statistica.

2.Исследуем возможности ИНС по прогнозированию поведения нелинейных динамических систем (построение странного аттрактора) на примере отображения Хенона.

Откроем таблицу с исходными данными. Первый столбец отметим как input/output. Ко второму столбцу применим ignore.

18

Создадим многослойный персептрон для прогнозирования:

Здесь steps – число элементов предыстории (7), lookahead – число элементов, на которые делается расчет вперед (1).

19

Обучим ИНС:

20