5. Порядок выполнения работы

5.1. На отдельном листе исходного xls-файла сформировать множество входных данных для определения качества функционирования оптимальной НС – тестовое множество. В отчете описать параметры ТМ и логику его составления.

5.2. Подать на вход МСП тестовое множество. Сохранить результаты работы НС на отдельном листе исходного xls-файла.

5.3. По полученным результатам функционирования в табличном редакторе Excel рассчитать относительную ошибку обобщения (в процентах).

5.4. Построить гистограмму распределения средней относительной ошибки предсказания сети на этапе тестирования (средняя ошибка для каждого класса (образа). По гистограмме сделать вывод о качестве обобщения НС. Сравнить с результатами обучения.

5.5. С помощью программы-эмулятора НС NeuroPro 0.25 провести эксперименты по определению зависимостей времени обучения, количества циклов обучения, количества правильно решенных примеров от параметров структуры нейронной сети.

Рекомендуемые границы изменяемых параметров сети: диапазон изменения параметра с – от 0,01 до 1; количество слоев сети – от 1 до 5. Результаты исследований представить в виде таблиц и графиков.

После каждого этапа оптимизации подать на вход сети тестовое множество для определения направления оптимизации.

5.6. Сделать выводы по полученным зависимостям, на основании которых определить параметры оптимальной структуры МСП.

5.7. Построить оптимальную структуру многослойного персептрона.

5.8. Обучить нейронную сеть, используя полученные оптимальные значения.

5.9. Полученную нейронную сеть сохранить в нейропроекте под другим именем.

5.10. Сохранить все результаты обучения нейронной сети на отдельном листе xls-файла, где находится Ваша обучающая выборка, результаты обучения и тестирования исходной НС.

5.11. По полученным результатам обучения в табличном редакторе Excel рассчитать относительную ошибку предсказания на этапе обучения (в процентах).

5.12. Построить гистограммы распределения вероятностей относительной ошибки предсказания оптимальной сети на этапе обучения по каждому классу (образу). По гистограммам сделать вывод о качестве обучения НС и сравнить с результатами обучения исходной НС, полученной в предыдущей лабораторной работе.

5.13. Построить гистограмму распределения средней относительной ошибки предсказания сети на этапе обучения. По гистограмме сделать вывод о качестве обучения НС и сравнить с результатами обучения исходной НС, полученной в предыдущей лабораторной работе.

5.2. Подать на вход оптимизированной НС тестовое множество. Сохранить результаты работы НС на отдельном листе исходного xls-файла.

5.7. Построить гистограмму распределения средней относительной ошибки предсказания оптимизированной сети на этапе тестирования. По гистограмме сделать вывод о качестве обобщения НС. Сравнить с результатами обобщения исходной НС.

6. Содержание отчета

Отчет по третьему занятию лабораторной работы №2 включает рукописный отчет, содержание которого приведено ниже, файл с построенной оптимальной нейронной сетью (формат npp) и файл с обучающей выборкой и результатами обучения и тестирования исходной и оптимальной НС, включая гистограммы (формат xls).

6.1. Исходные данные на лабораторную работу.

6.2. Описание тестовой выборки.

6.3. Гистограмма распределения средней относительной ошибки предсказания сети на этапе тестирования и таблица исходных данных к ней.

6.4. Вывод о качестве обобщения НС в сравнении с результатами обучения НС.

6.5. Параметры обучения, которые не будут изменяться при проведении оптимизации.

6.6. Таблицы с результатами исследований.

6.7. Графики зависимостей времени обучения, количества циклов обучения, количества правильно решенных примеров от комплексного показателя. Рекомендуемые границы изменяемых параметров сети: диапазон изменения параметра с – от 0,01 до 1; количество слоев сети – от 1 до 5.

6.8. Выводы по полученным зависимостям. Параметры оптимальной структуры МСП: число входов и выходов НС, количество слоев, количество нейронов каждого слоя, используемые значения характеристики функции активации на каждом слое.

6.9. Обоснование выбора оптимальной структуры МСП.

6.10. Оптимальная структура многослойного персептрона (при этом использовать элементы современной схемотехники НС).

6.11.  Гистограммы распределения вероятностей относительной ошибки предсказания сети на этапе обучения и таблицы исходных данных к ним.

6.12. Гистограмма распределения средней относительной ошибки предсказания сети на этапе обучения и таблица исходных данных к ней.

6.13. Вывод о качестве обучения оптимальной НС. Сравнение с результатами обучения исходной НС.

6.14. Гистограмма распределения средней относительной ошибки предсказания сети на этапе тестирования оптимизированной НС и таблица исходных данных к ней.

6.15. Вывод о качестве обобщения оптимизированной НС в сравнении с результатами обучения НС.

Курс «Нейрокомпьютерные системы»