лабы / лаба 3 / 00_лаба_3_3_сии_отчёт

1 ЦЕЛЬ РАБОТЫ

Целью выполняемой лабораторной работы является: изучение искусственных нейронных сетей на базе нейронов с радиально-базисными

функциями; построение гибридных сетей.

2 ЭКСПЕРИМЕНТАЛЬНАЯ ЧАСТЬ

2.1 Обучение РБФ-сети с одинаковой дисперсией всех кластеров

Первоначально производится обучение РБВ-сети с равной дисперсией у всех кластеров. Для этого необходимо подобрать оптимальные значения порога и дисперсии, при которых количество корректно распознанных объектов максимально.

Изначально значения порога равно 0.2, а дисперсии – 0.01. При таких значениях не один объект не был распознан правильно.

Рисунок 2.1.1 – Результаты обучения РБФ-сети при заданных параметрах

1

В результате дальнейших экспериментов было выяснено, что максимальное пороговое значение, при котором появляются результаты – это 0.113, а

минимальное – 0.01. При этом, методом подбора не удалось определить влияние значения дисперсии на результат, как и добиться процента корректно распознанных объектов выше 19.672%. Поэтому значение дисперсии было выбрано 0.2505, как середина предлагаемого диапазона.

Рисунок 2.1.2 – Результаты обучения РБФ-сети на левой границе правильного порога

2

Рисунок 2.1.3 – Результаты обучения РБФ-сети на правой границе правильного порога

Ниже представлены таблица и график полученных результатов

корректности распознавания объектов.

3

Рисунок 2.1.4 – Результаты многократного обучения РБФ-сети

2.2 Обучение «Карты Кохонена» методом PLSOM

Далее необходимо обучить карту Кохонена и выписать значения дисперсий для каждого кластера объектов. Результаты обучения представлены ниже.

Рисунок 2.2.1 – Результаты кластеризации карты Кохонена Результаты измерения дисперсии для каждого из объектов представлены в таблице ниже:

4

Таблица 2.2.1 – Дисперсии для каждого параметра, полученные картой Кохонена

2.3 Гибридное обучение РБФ-сети

Необходимо повторить пункт 2.1, но теперь в качестве дисперсий указать значения из пункта 2.2. Результат обучения представлен на рисунке ниже.

Рисунок 2.3.1 – Результаты гибридного обучения РБФ-сети

5

3ВЫВОДЫ

Врезультате лабораторной работы было установлено, что обучение РБФ-сети с одинаковой дисперсией для всех классов – почти бессмысленное занятие: хотя и возможно обучение с положительными результатами, сам результат скорее отрицательный (около 20% корректно распознанных данных). При этом во время выполнения работы была обнаружена аномалия обучения, если можно так выразиться: обучение давало положительные результаты в очень малом диапазоне значения порога принятия решения, а изменение значения дисперсии не влияло на результат вовсе. Аномально то, что дисперсия является одним главных параметров Нормального распределения, кое и лежит в основе РБФ-сети.

Гибридное обучение РБФ-сети оказалось куда более эффективным, даже

несмотря на ошибки при кластеризации исходных данных.

6