- •Содержание
- •ВВЕДЕНИЕ
- •1. ОСНОВНЫЕ ПОНЯТИЯ
- •2. НАИБОЛЕЕ ПОПУЛЯРНЫЕ ВИДЫ НЕЙРОННЫХ СЕТЕЙ
- •2.1. Персептрон
- •3. ЗАДАЧИ, РЕШАЕМЫЕ ПРИ ПОМОЩИ НЕЙРОСЕТЕЙ
- •3.2. Пример распознавания образов при помощи персептрона
- •3.3. Пример прогнозирования процесса при помощи персептрона
- •3.4. Пример распознавания при помощи сети Хемминга
- •Вопросы и задания для самостоятельной работы по материалам раздела 3
- •4. БОЛЕЕ СЛОЖНЫЕ СЛУЧАИ ПРИМЕНЕНИЯ НЕЙРОСЕТЕЙ
- •5. ПРАКТИКА ПРИМЕНЕНИЯ НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ
- •5.1. Обоснование применения нейросетевых технологий
- •5.2. Использование нейросетевых технологий по отраслям
- •КРАТКИЕ АННОТАЦИИ К КНИГАМ ПО ТЕОРИИ И ПРАКТИКЕ НЕЙРОСЕТЕЙ
- •ДОПОЛНИТЕЛЬНАЯ ЛИТЕРАТУРА
- •Компьютерные нейросетевые технологии
3.4. Пример распознавания при помощи сети Хемминга
Пусть имеется небольшое квадратное поле (6x6 клеток), ко торое может содержать условные изображения круга, квадрата, маленького круга и маленького квадрата. Создадим сеть Хем минга, которая любое исходное изображение относит к одному из этих образцов.
Для создания сети и использования сети воспользуемся про граммами Pattern Editor и Pattern Recognizer. Пронумеруем все клетки поля от 1 до 36. Таким образом, если паттерн содержит атрибуты 10, 14 и 17 - это означает, что клетки с соответсвующими номерами закрашены.
Ниже (рис. 3.9) приведенный скриншот программы демон стрирует пример создания описания паттерна «маленький круг».
*y'w№i« irf-m-t
D u if а 9
г-трлр"
I'w • |
r Tt» yetitj n»n«p»j |
Рис. 3.9. Создание паттерна «маленький круг»
Аналогично можно составить паттерны: круг, квадрат, маленький круг, маленький квадрат.
Например, паттерн «Квадрат» (в виде рисунка) будет вы глядеть следующим образом (рис. 3.10).
После создания всех паттернов проведем распознавание при помощи Pattern Recognizer.
Идеальный квадрат (нарисованный выше) распознается без
ошибочно, так как присутсвовал среди исходных |
паттернов |
||||
(рис. 3.11). |
|
|
|
|
|
1 |
2 |
3 |
4 |
5 |
6 |
7 |
|
|
|
|
12 |
13 |
|
|
|
|
18 |
19 |
|
|
|
|
24 |
25 |
|
|
|
|
30 |
31 |
32 |
33 |
34 |
35 |
36 |
|
|
Рис. 3.10. Паттерн «квадрат» |
|
|
Например, квадрат без двух закрашенных клеток (рис. 3.12, 3.13) аналогично будет отнесен к образу «квадрат».
1 |
2 |
3 |
4 |
5 |
6 |
7 |
|
|
|
|
12 |
13 |
|
|
|
|
18 |
19 |
|
|
|
|
24 |
25 |
|
|
|
|
30 |
31 |
32 |
33 |
34 |
35 |
36 |
|
Рис. 3.12. Зашумленный квадрат |
|
|
2S
1
I?
n
;Л
ift |
r a |
|
|
я |
|
|
Рис. 3.13. Распознавание зашумленного квадрата |
|
|||
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
13 |
14 |
15 |
16 |
17 |
18 |
19 |
20 |
21 |
22 |
23 |
24 |
25 |
26 |
27 |
28 |
29 |
30 |
31 |
32 |
33 |
34 |
35 |
36 |
|
Рис. 3.14. Неизвестный образ |
|
|
* я
12 |
Г |
м |
м |
И |
|
IS |
м |
Ifi |
S |
in |
Г |
Kj |
51 |
|
н
if
Ущп,ги
|Г*1К**»!.«•»»р.И)Ч1И>миrf(t\
rt»t>r/»ao<nrjtinmm»trc <fl>
Рис. 3.15. Отказ в распознавании
На рис. 3.14 и 3.15 показан пример, когда образ остается не распознанным, т.к. сильно отличается от имеющихся паттернов.
Вопросы и задания для самостоятельной работы по материалам раздела 3
Задание 1. Распознавание при помощи персептрона 1. Составить полную обучающую выборку для распознава
ния крупных объектов (см. раздел 3.2) не менее чем из 40 строк (можно больше).
2.Сформировать структуру сети и реализовать ее на ком пьютере.
3.Обучить сеть.
4.Проверить работу сети на данных из обучающей выборки.
5. Проверить работу сети на произвольных данных не из обучающей выборки.
6. Расчитать в обоих случаях среднеквадратическую ошибку работы сети.
Задание 2. Исследование возможности прогнозирования финансового процесса при помощи персептрона.
Для выполнения задания необходимо воспользоваться Интер нетом и по адресу http://www.yandex.ru/s/l.html получить динамику курса доллара USA за последние три месяца в виде таблицы. Далее следует:
1.Составить полную обучающую выборку для прогнозиро вания котировок на основе нескольких предыдущих значений (величину инервала формирования выбрать самостоятельно), использовав для этого значения кодировок за два месяца.
2.Сформировать структуру сети и реализовать ее на ком пьютере.
3.Обучить сеть.
4.Проверить работу сети на данных из обучающей выборки.
5.Проверить работу сети на данных не из обучающей выборки (1 месяц).
6.Расчитать в обоих случаях среднеквадратическую ошибку работы сети.
7. Сделать вывод о применимости или неприменимости метода.
Задание 3. Распознавание образов при помощи сети Хемминга. При выполнении задания следует руководстваться материа
лами раздела 3.4, а также использовать программы Pattern Editor
иPattern Recognizer. Далее следует:
1.Для произвольной предметной области создать набор паттернов (это могут быть типовые неисправности компьютера, описания животных, сцен или ситуаций в зависимости от вы бранной предметной области).
2.Создать и обучить сеть Хемминга.
3.Попытаться распознавать объекты из множества исход ных паттернов.
4.Попытаться распознавать объекты, отличающиеся от исход ных паттернов.
5. Сделать выводы относительно качества работы сети и возможных причин полученного результата.