ГУАП

КАФЕДРА № 41

ОТЧЕТ ЗАЩИЩЕН С ОЦЕНКОЙ

ПРЕПОДАВАТЕЛЬ

Ассистент				В.В. Боженко
должность, уч. степень, звание		подпись, дата		инициалы, фамилия

ОТЧЕТ О ЛАБОРАТОРНОЙ РАБОТЕ №2

РАСПОЗНАВАНИЕ ОБРАЗОВ

по курсу: МАШИННОЕ ОБУЧЕНИЕ

РАБОТУ ВЫПОЛНИЛ

СТУДЕНТ ГР. №	4016				М.О. Жовтяк
			подпись, дата		инициалы, фамилия

Санкт-Петербург 2023

1. Цель работы

Цель: обучить нейронную сеть Хопфилда распознавать образ.

2. Вариант задания

Задание: обучить нейронную сеть Хопфилда распознавать образ по 14 варианту, отображенному на рисунке 1.

Рисунок 1 – Вариант задания

Ссылка на Jupyter Notebook: https://colab.research.google.com/drive/1T_FvAaIjKxDObs5DOHTVJTBnBx8iKj1a?usp=sharing

3. Ход выполнения работы

Импортируются библиотеки. Это представлено на рисунке 2.

Рисунок 2 – Импорт библиотек

Создаются 3 тренировочных изображения списками, изображения выводятся в matplotlib. Это изображено на рисунках 3-4.

Рисунок 3 – Списки пикселей

Рисунок 4 – Вывод тренировочных изображений

Далее создаются 9 тестовых изображений, которые будут являться искаженными на основе тренировочных, это показано на рисунке 5.

Рисунок 5 – Три тестовых изображения

Создается функция, вычисляющая весовую матрицу, хранящую весовые значения сети Хопфилда. Это представлено на рисунке 6.

Рисунок 6 – Создание весовой матрицы

Создается функция, которая на основе созданной весовой матрицы восстанавливает изображение. Для каждой итерации вычисляется ошибка восстановления. Один из примеров удачного восстановления представлен на рисунке 7, а неудачного – на 8-ом.

Рисунок 7 – Удачное восстановление рисунка

Рисунок 8 – Неудачное восстановление рисунка

Итого, почти все изображения были идеально восстановлены.

4. Вывод

В ходе работы я познакомился с сетью Хопфилда, принципом её работы. С помощью Python я её создал, на основе работы этой модели я обучил её исходными изображениями, в резульате которых получил предсказания. Протестировав её работу, в результате почти все предсказания сошлись.

В ходе работы проблем не возникло.