Лабораторные / СИИ-3ЛАБ
.docxМинистерство цифрового развития, связи и массовых коммуникаций
Российской Федерации
Ордена Трудового Красного Знамени федеральное государственное бюджетное образовательное учреждение высшего образования
МОСКОВСКИЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ СВЯЗИ И ИНФОРМАТИКИ
(МТУСИ)
Факультет "Радио и телевидение"
Кафедра "Радиотехнические системы"
Лабораторная работа №3
По дисциплине "Системы искусственного интеллекта":
Выполнил:
Проверил:
Доктор технических наук
Чиров Д.С.
Цель работы: изучение искусственных нейронных сетей на базе нейронов с радиально-базисными функциями. Построение гибридных нейронных сетей.
Выполнение
Построение и результаты РБФ-сети.
Рисунок 1 – Результат работы РБФ-сети при исходном пороге и дисперсии
Изменяем значения «Порог» в диапазоне 0,01...1 и «Дисперсия» в диапазоне 0,001...0,5.
Рисунок 2 – Пример результата работы РБФ-сети
Таблица 1 – Результаты измерений
Порог |
Дисперсия |
Доля корректно распознанных объектов |
0,001 |
0,8 |
12 |
0,015 |
0,015 |
12 |
0,03 |
0,003 |
12 |
0,05 |
0,005 |
12 |
0,1 |
0,1 |
12 |
0,1 |
0,2 |
12 |
0,1 |
0,3 |
12 |
0,1 |
0,4 |
12 |
0,11 |
0,5 |
12 |
0,2 |
0,4 |
0 |
0,4 |
0,01 |
0 |
0,6 |
0,01 |
0 |
0,8 |
0,01 |
0 |
1 |
0,01 |
0 |
Рисунок 3 – Трехмерный график зависимостей
Значения дисперсий по карте Кохонена:
Рисунок 4– Таблица дисперсий
Результатом работы РБФ-сети, после указания дисперсий различных классов, стало распознавание всех объекты.
Рисунок 5 – Результат работы РБФ-сети
Вывод: качество распознавания при использовании гибридного способа задания дисперсий лучше, поскольку доля корректно распознанных объектов выше.