Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Введение в нейронные сети. Методические указания к лабораторным работам по дисциплине «Нейроинформатика» для студентов специальности 09.03.02 «Информа
.pdf
для лабораторной работы № 3, необходимый теоретический материал, отмеченный кнопкой , поля ввода данных для обучения однослойного персеп-
трона.
Рис. 3.1. Главное окно лабораторной работы № 3
Аналогично действиям в лабораторной работе № 2 необходимо ввести
множество обучающих примеров, причём для каждой буквы (А, В, С) по три
примера, затем обучить нейронную сеть, проверить правильность распознавания букв.
Требования к оформлению отчёта
Отчёт по лабораторной работе № 3 должен содержать те же пункты, что и
отчёт по лабораторной работе № 2.
Лабораторная работа № 4
«Распознавание печатных и рукописных букв»
Цель работы: научиться распознавать печатные и рукописные буквы с
помощью персептрона с логистической функцией активации.
Требования к лабораторной работе № 4 совпадают с требованиями к лабораторной работе № 3.
11
Порядок выполнения лабораторной работы
Порядок выполнения лабораторной работы № 4 совпадает с порядком
выполнения лабораторной работы № 3: необходимо запустить Lr4.exe, сформировать множество обучающих примеров (для каждой буквы А, В, С по два
примера – печатный и рукописный варианты), обучить нейронную сеть, проверить правильность распознавания нейронной сетью печатных и рукописных
букв.
Требования к оформлению отчёта
Отчёт по лабораторной работе № 4 должен содержать те же пункты, что и
отчёт по лабораторной работе № 2.
Лабораторная работа № 5
«Двухслойный персептрон»
Цель работы: изучить режимы обучения и функционирования много-
слойного персептрона, смоделировать логические операции «конъюнкция»,
«дизъюнкция» и «исключающее или».
Для выполнения лабораторной работы № 5 необходимо:
1) Изучить архитектуру и алгоритмы обучения многослойного персеп-
трона.
2) Ответить на вопросы для самоподготовки, прилагаемые к лабораторной
работе № 5.
3) Запустить Lr5.exe «Лабораторного практикума» [http://www.lbai.ru/].
4) Выполнить лабораторную работу № 5, фиксируя вводимые параметры
нейронной сети и получаемый результат.
5) Подготовить и сдать на проверку отчёт по лабораторной работе № 5.
Вопросы для самоподготовки
1. Запишите аналитическое представление линейной функции активации.
2. На что влияют и к каким множествам принадлежат коэффициенты, ис-
пользуемые при задании линейной функции активации?
3. Запишите аналитическое представление пороговой функции активации.
4. Запишите аналитическое представление сигмоидальной функции акти-
вации.
5. На что влияет и какому множеству принадлежит коэффициент, исполь-
зуемый при задании сигмоидальной функции активации?
6. Запишите аналитическое представление функции активации Ле Кана.
7. На что влияют и к каким множествам принадлежат коэффициенты, ис-
пользуемые при задании функции активации Ле Кана?
8. Запишите аналитическое представление логарифмической функции ак-
тивации.
12
9. Запишите аналитическое представление радиально-базисной функции
активации.
10. Приведите примеры других функций активации.
11. Чем сигмоидальная функция активации лучше или хуже пороговой
функции активации?
12. Что представляет собой градиент функции и в какую сторону он
направлен?
13. Опишите метод градиентного спуска.
14. Применяется ли дельта-правило для обучения персептрона с сигмои-
дальными функциями активации?
15. Какие преимущества и недостатки имеет обобщённое дельта-правило
по сравнению с обычным дельта-правилом?
16. Зарисуйте модель персептрона, реализующего логическую функцию
«Исключающее ИЛИ», укажите значения весовых коэффициентов.
17. Опишите алгоритм обратного распространения ошибки.
18. Что такое итерация (эпоха) алгоритма обучения?
19. Используется ли алгоритм обратного распространения ошибки для
обучения персептрона с пороговыми функциями активации?
20. Какие преимущества и недостатки имеет алгоритм обратного распро-
странения ошибки по сравнению с алгоритмами обучения Хебба и дельтаправилом?
Порядок выполнения лабораторной работы
После запуска Lr5.exe открывается окно (рис.5.1.), содержащее задание
для лабораторной работы № 5, необходимый теоретический материал, отме-
ченный кнопкой , таблицы истинности логических операций, структура
нейронной сети, поля введения параметров обучения нейронной сети с двумя
входами и одним выходом.
13
Рис. 5.1. Главное окно лабораторной работы № 5
«Лабораторный практикум» позволяет в поле ввода «Параметры обучения» задавать количество нейронов в скрытом слое, скорость обучения, количество итераций (эпох) обучения нейронной сети, а также тип и параметры следующих функций активации:
1) линейная функция активации:
Рис. 5.2. График линейной функции активации
14
2) пороговая (ступенька) функция активации:
Рис. 5.3. График пороговой функции активации
3) сигмоидальная функция активации:
Рис. 5.4. График сигмоидальной функции активации
Для каждой логической операции необходимо подобрать параметры
нейронной сети, смоделировав логические операции «конъюнкция», «дизъюнкция» и «исключающее или» аналогично выполнению лабораторной работы
№ 1, дополнительно введя параметры обучения нейронной сети.
Внесите параметры обучения нейронной сети в следующую таблицу:
15
Таблица 2
x1
x2
Логическая
операция
Число нейро-
нов в скрытом
слое
Тип функции
активации
Параметры
функции
активации
Скорость
обучения
Количество
эпох
y
0 0
0 1
1 0
1 1
Требования к оформлению отчёта
Отчёт по лабораторной работе № 5 должен содержать:
1) Для каждой логической операции («конъюнкция», «дизъюнкция» и
«исключающее или») по две заполненные таблицы, аналогичные таблице 2.
2) Структурное представление каждой нейронной сети.
3) Протокол выполнения лабораторной работы № 5 (формируется автома-
тически при её выполнении).
Лабораторная работа № 6
«Диагностика гриппа»
Цель работы: применить изученную теорию нейронных сетей для задачи
диагностики гриппа.
Для выполнения лабораторной работы № 6 необходимо:
1) Изучить вопрос использования нейронных сетей в различных областях
науки и техники, в частности, для постановки диагноза.
2) Ответить на вопросы для самоподготовки, прилагаемые к лабораторной
работе № 6.
3) Запустить Lr6.exe «Лабораторного практикума» [http://www.lbai.ru/].
4) Выполнить лабораторную работу № 6, занес в отчёт обучающее и диа-
гностирующее множества примеров, а также фиксируя параметры обучения используемых нейронных сетей.
5) Подготовить и сдать на проверку отчёт по лабораторной работе № 6.
Вопросы для самоподготовки
1. Приведите примеры использования теории нейронных сетей в различ-
ных областях науки и техники.
новки диагноза превзойти врача или диагностическую систему, основанную на
знаниях (экспертную систему)?
2. Охарактеризуйте методики формирования обучающих примеров.
3. Способна ли нейросетевая диагностическая система по качеству поста-
16
4. Каким образом с помощью нейронной сети решить вопрос значимости
того или иного фактора?
5. Для чего необходимо тестирующее множество примеров? Чем оно от-
личается от обучающего множества?
Порядок выполнения лабораторной работы
После запуска Lr6.exe открывается окно (рис.6.1.), содержащее задание
для лабораторной работы № 6, необходимый теоретический материал, отме-
ченный кнопкой , поле ввода симптомов гриппа (являются входами нейронной сети), поля ввода параметров нейронной сети (скорость и количество эпох
обучения нейронной сети).
Рис. 6.1. Главное окно лабораторной работы № 6
Необходимо создать множество обучающих примеров. Для этого сначала
необходимо галочкой отметить симптомы, которые будут учитываться при постановке диагноза (количество входов нейронной сети), затем в поле «Обучающие примеры» ввести несколько примеров (не менее 10).
После ввода параметров обучения нейронной сети, нажатия кнопки
«Обучить» и получения графика сходимости (рис. 6.2.) приступить к про-
верке работоспособности нейронной сети, введя симптомы в поле «Постановка
диагноза» и получив диагноз.
17
№ обучающего примера
Симптом № 1
Симптом № 2
…
Симптом № i
1
2
…
j
№ обучающего
примера
Симптом
№ 1
Симптом
№ 2
…
Симптом
№ i
Диагноз
Степень
уверенности
1
2
…
j
Рис. 6.2. График сходимости нейронной сети
Требования к оформлению отчёта
Отчёт по лабораторной работе № 6 должен содержать:
1. Таблицу, содержащую множество обучающих примеров, оформленную
в следующем виде (табл. 3):
Таблица 3
слоя, скорость и количество эпох обучения нейронной сети).
2. Параметры обучения нейронной сети (количество нейронов скрытого
3. Диагностируемые примеры, оформленные согласно таблице 4:
Таблица 4.
18
Лабораторная работа № 7
«Диагностика заболеваний»
Цель работы: научиться диагностировать заболевания (Пневмония и
ОРЗ) с помощью нейронной сети.
Для выполнения лабораторной работы № 7 необходимо запустить
Lr7.exe, согласно действиям лабораторной работы № 6 обучить нейронную
сеть, занести все данные в таблицы и оформить отчёт по требованиям лабораторной работы № 6.
Лабораторная работа № 8
«Решение задач с помощью нейронной сети»
Цель работы: изучить работу «Нейросимулятора», разработать интел-
лектуальную систему, обучить нейронную сеть и решить поставленную задачу.
Для выполнения лабораторной работы № 8 необходимо:
1. Изучить примеры применения нейронных сетей для решения различ-
ных задач.
2. Ответить на вопросы для самоподготовки, прилагаемые к лабораторной
работе № 8.
3. Выбрать вариант для самостоятельной работы (список прилагается ни-
же).
4. Сформировать множество обучающих примеров.
5. Запустить Lr8.exe «Лабораторного практикума» [http://www.lbai.ru/].
6. Выполнить лабораторную работу № 8, занеся все необходимые данные
в отчёт (обратите внимание, что требования к отчёту к лабораторной работе
№ 8 могут различаться в зависимости от выбранного варианта для самостоятельной работы, поэтому рекомендуется обратиться к преподавателю за дополнительными уточнениями).
7. Подготовить и сдать на проверку отчёт по лабораторной работе № 8.
Вопросы для самоподготовки
1. Сформулируйте теорему Колмогорова-Арнольда.
2. Сформулируйте теорему, переработанную Хехт-Нильсеном, примени-
тельно к нейронным сетям.
3. По какой формуле определяется необходимо количество весовых ко-
эффициентов нейронной сети?
4. Какие рекомендации даются относительно числа входных и выходных
нейронов нейронной сети?
5. Какие рекомендации даются относительно количества скрытых слоёв
нейронной сети?
19
6. Какие рекомендации даются относительно количества нейронов в
скрытых слоях нейронной сети?
7. Какие рекомендации даются относительно оценки качества обучения
нейронных сетей?
8. Чем ошибка обучения нейронной сети отличается от ошибки обобще-
ния?
9. К каким нежелательным последствиям может привести уменьше-
ние/увеличение числа скрытых слоёв (числа нейронов) нейронной сети?
10. Какие рекомендации даются относительно соотношения обучающего,
подтверждающего и тестирующего множеств примеров?
11. Почему ошибка, вычисленная на примерах подтверждающего множе-
ства, является наиболее объективной оценкой качества нейронной сети?
12. Сформулируйте основные этапы решения задач с помощью нейрон-
ных сетей.
13. Охарактеризуйте этап формирования примеров (обучающее, подтвер-
ждающее и тестирующее множества).
14. Охарактеризуйте этап проектирования нейронной сети.
15. Охарактеризуйте этап обучения нейронной сети.
16. Охарактеризуйте этап проверки (тестирования) нейронной сети.
17. Охарактеризуйте этап оптимизации нейронной сети.
18. Охарактеризуйте этап прогнозирования.
19. Назовите причины, по которым нейронная сеть может не поддаваться
обучению.
Порядок выполнения лабораторной работы
После запуска Lr8.exe открывается окно (рис. 8.1) с «Нейросимулятором», включающим четыре вкладки: проектирование сети, обучение, проверка
и прогноз.
20
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]