Розрахункове завдання
Відповідно до варіанту завдання (табл. 2), а також на основі даних з файлу Iris.sta за допомогою програми Statistica Neural Networks побудувати і навчити нейронну мережу для вирішення задачі моделювання регресійної залежності змінної PWIDTH від змінних SLENGTH, SWIDTH і PLENGTH. Для ініціалізації порогів і вагів мережі для непарних варіантів вибрати метод [Gaussian(0,1),All], а для парних варіантів – [Uniform(0,1),All]. Для всіх варіантів вибрати: для першого шару PSP-«Linear», Act fn – «Linear»; для решти шарів: PSP – «Linear», Act fn – у відповідність з своїм варіантом; функція помилки – «Sum-squared». Для заданої структури мережі розрахувати необхідну кількість тренувальних зразків. Структуру мережі, її настройки, і результати навчання, а також зроблені на їх основі висновки і рекомендації помістити в звіт.
Таблиця 2
Варіанти виконання завдання
|
№ варіанту |
Архітектура мережі MLP |
Вид функції активації |
Початкове значення норми навчання |
Кінцеве значення норми навчання |
Початкове значення коефіцієнта інерції |
Кінцеве значення коефіцієнта інерції |
Випадковий шум |
Умови останову |
|
1 |
[2:2-2-1:1] |
Logistic |
0.5 |
0.1 |
0.1 |
0.02 |
0.05 |
Epochs=10 Training Error=0.1 Verification Error=0.1 Window=0 |
|
2 |
[2:2-4-2-1:1] |
Hyperbolic |
0.2 |
0.1 |
0.8 |
0.5 |
0.01 |
Epochs=15 Training Error=0.05 Verification Error=0.05 Window=0 |
|
3 |
[2:2-3-1:1] |
Exponential |
0.3 |
0.02 |
0.02 |
0 |
0.02 |
Epochs=20 Training Error=0.02 Verification Error=0.04 Window=5 Training Improvement =0.1 Verification Improvement=0.1 |
|
4 |
[2:2-3-3-1:1] |
Logistic |
0.4 |
0.2 |
0.7 |
0.5 |
0.03 |
Epochs=25 Training Error=0.03 Verification Error=0.1 Window=5 Training Improvement =0.1 Verification Improvement=0.1 |
|
5 |
[2:2-5-1:1] |
Hyperbolic |
0.5 |
0.2 |
0.1 |
0.05 |
0.04 |
Epochs=30 Training Error=0.15 Verification Error=0.15 Window=5 Training Improvement =0.1 Verification Improvement=0.1 |
|
6 |
[2:2-3-2-1:1] |
Exponential |
0.6 |
0.4 |
0.6 |
0.4 |
0.05 |
Epochs=35 Training Error=0.1 Verification Error=0.1 Window=5 Training Improvement =0.1 Verification Improvement=0.1 |
|
7 |
[2:2-2-1:1] |
Logistic |
0.7 |
0.3 |
0.05 |
0 |
0.04 |
Epochs=40 Training Error=0.01 Verification Error=0.05 Window=5 Training Improvement =0.1 Verification Improvement=0.1 |
|
8 |
[2:2-4-2-1:1] |
Hyperbolic |
0.8 |
0.6 |
0.1 |
0.05 |
0.03 |
Epochs=45 Training Error=0.05 Verification Error=0 Window=5 Training Improvement =0.1 Verification Improvement=0.1 |
|
9 |
[2:2-3-1:1] |
Exponential |
0.9 |
0.1 |
0.02 |
0 |
0.05 |
Epochs=50 Training Error=0 Verification Error=0 Window=5 Training Improvement =0.1 Verification Improvement=0.1 |
|
10 |
[2:2-3-3-1:1] |
Logistic |
0.1 |
0.05 |
0.9 |
0.7 |
0.02 |
Epochs=55 Training Error=0.1 Verification Error=0.1 Window=5 Training Improvement =0.1 Verification Improvement=0.1 |
|
11 |
[2:2-5-1:1] |
Hyperbolic |
0.2 |
0.04 |
0.02 |
0 |
0.01 |
Epochs=60 Training Error=0 Verification Error=0.1 Window=5 Training Improvement =0.1 Verification Improvement=0.1 |
|
12 |
[2:2-3-2-1:1] |
Exponential |
0.3 |
0.2 |
0.5 |
0.4 |
0.035 |
Epochs=65 Training Error=0 Verification Error=0.1 Window=5 Training Improvement =0.1 Verification Improvement=0.1 |
|
13 |
[2:2-2-1:1] |
Logistic |
0.4 |
0.1 |
0.05 |
0.01 |
0.055 |
Epochs=70 Training Error=0 Verification Error=0 Window=5 Training Improvement =0.1 Verification Improvement=0.1 |
|
14 |
[2:2-4-2-1:1] |
Hyperbolic |
0.5 |
0.1 |
0.3 |
0.2 |
0.03 |
Epochs=75 Training Error=0.1 Verification Error=0.1 Window=5 Training Improvement =0.1 Verification Improvement=0.1 |
|
15 |
[2:2-3-1:1] |
Exponential |
0.6 |
0.3 |
0.08 |
0.05 |
0.04 |
Epochs=80 Training Error=0.15 Verification Error=0.2 Window=5 Training Improvement =0.1 Verification Improvement=0.1 |
|
16 |
[2:2-3-3-1:1] |
Logistic |
0.7 |
0.2 |
0.2 |
0.1 |
0.025 |
Epochs=85 Training Error=0.05 Verification Error=0.1 Window=5 Training Improvement =0.1 Verification Improvement=0.1 |
|
17 |
[2:2-5-1:1] |
Hyperbolic |
0.8 |
0.1 |
0.04 |
0 |
0.04 |
Epochs=90 Training Error=0.08 Verification Error=0.12 Window=5 Training Improvement =0.1 Verification Improvement=0.1 |
|
18 |
[2:2-3-2-1:1] |
Exponential |
0.9 |
0.1 |
0.1 |
0.04 |
0.03 |
Epochs=95 Training Error=0 Verification Error=0 Window=5 Training Improvement =0.1 Verification Improvement=0.1 |
|
19 |
[2:2-2-1:1] |
Logistic |
0.4 |
0.2 |
0.05 |
0 |
0.01 |
Epochs=100 Training Error=0.2 Verification Error=0.1 Window=5 Training Improvement =0.1 Verification Improvement=0.1 |
|
20 |
[2:2-4-2-1:1] |
Hyperbolic |
0.2 |
0.1 |
0.9 |
0.4 |
0.04 |
Epochs=105 Training Error=0.05 Verification Error=0.1 Window=5 Training Improvement =0.1 Verification Improvement=0.1 |
|
21 |
[2:2-3-1:1] |
Exponential |
0.3 |
0.05 |
0.01 |
0 |
0.03 |
Epochs=110 Training Error=0 Verification Error=0 Window=5 Training Improvement =0.1 Verification Improvement=0.1 |
|
22 |
[2:2-3-3-1:1] |
Logistic |
0.4 |
0.1 |
0.8 |
0.6 |
0.025 |
Epochs=115 Training Error=0 Verification Error=0.1 Window=0 |
|
23 |
[2:2-5-1:1] |
Hyperbolic |
0.5 |
0.08 |
0.02 |
0 |
0.04 |
Epochs=120 Training Error=0.1 Verification Error=0.1 Window=0 |
|
24 |
[2:2-3-2-1:1] |
Exponential |
0.6 |
0.09 |
0.7 |
0.5 |
0.01 |
Epochs=125 Training Error=0.1 Verification Error=0.2 Window=0 |
|
25 |
[2:2-2-1:1] |
Logistic |
0.7 |
0.1 |
0.01 |
0 |
0.02 |
Epochs=130 Training Error=0.04 Verification Error=0.1 Window=0 |
|
26 |
[2:2-4-2-1:1] |
Hyperbolic |
0.8 |
0.2 |
0.6 |
0.3 |
0.03 |
Epochs=135 Training Error=0.09 Verification Error=0.12 Window=5 Training Improvement =0.1 Verification Improvement=0.1 |
|
27 |
[2:2-3-1:1] |
Exponential |
0.9 |
0.3 |
0.04 |
0 |
0.01 |
Epochs=140 Training Error=0 Verification Error=0 Window=0 |
|
28 |
[2:2-3-3-1:1] |
Logistic |
0.15 |
0.01 |
0.5 |
0.2 |
0 |
Epochs=145 Training Error=0 Verification Error=0.1 Window=5 Training Improvement =0.1 Verification Improvement=0.1 |
|
29 |
[2:2-5-1:1] |
Hyperbolic |
0.55 |
0.2 |
0.05 |
0.01 |
0.02 |
Epochs=150 Training Error=0.1 Verification Error=0.1 Window=0 |
|
30 |
[2:2-3-2-1:1] |
Exponential |
0.75 |
0.5 |
0.25 |
0.1 |
0.04 |
Epochs=155 Training Error=0.1 Verification Error=0.2 Window=5 Training Improvement =0.1 Verification Improvement=0.1 |