- •Міністерство освіти і науки україни
- •Одношаровий персептрон. Алгоритм уідроу-хоффа
- •1 Короткі теоретичні відомості
- •2 Домашнє завдання
- •3 Порядок виконання роботи
- •Контрольні питання
- •Лабораторна робота № 2 повнозв’язні нейронні мережі хопфілда. Псевдоінверсне навчальне правило. Ефект рознасичення
- •1 Короткі теоретичні відомості
- •2 Домашнє завдання
- •3 Порядок виконання роботи
- •Контрольні питання
- •Лабораторна робота № 3 нейронні мережі кохонена, що самоорганізуються: som та lvq
- •1 Короткі теоретичні відомості Нейронна мережа som
- •Інтерпретація результатів класифікації som
- •Нейронна мережа lvq
- •2 Домашнє завдання
- •3 Порядок виконання роботи
- •Контрольні питання
- •Лабораторна робота № 4 багатошаровий персептрон. Узагальнений градієнтний алгоритм навчання
- •1 Короткі теоретичні відомості
- •Так: перейти на крок 11. Ні: перейти на крок 13.
- •Так: закінчення пошуку: немає просування до рішення. Перейти на крок 13.
- •Алгоритми спряжених градієнтів представляють собою підклас методів, які квадратично збігаються. Для алгоритмів спряжених градієнтів крок 6 узагальненого градієнтного алгоритму має вигляд:
- •2 Домашнє завдання
- •3 Порядок виконання роботи
- •Контрольні питання
- •Радіально-базисні нейронні мережі
- •1 Короткі теоретичні відомості
- •2 Домашнє завдання
- •3 Порядок виконання роботи
- •Контрольні питання
- •Евристичні моделі та методи навчання нейронних мереж
- •1 Короткі теоретичні відомості Евристичний алгоритм навчання класифікації двошарового персептрона
- •Евристичний алгоритм навчання класифікації тришарового персептрона
- •Алгоритм навчання шестишарового персептрона
- •2 Домашнє завдання
- •3 Порядок виконання роботи
- •Контрольні питання
- •Література
- •Бовель е.И., Паршин в.В. Нейронные сети в системах автоматического распознавания речи // Зарубежная радиоэлектроника. - 1998. - №4. - c. 50-57
- •Моделювання нейронних мереж у середовищі matlab
2 Домашнє завдання
Використовуючи конспект лекцій і рекомендовану літературу, вивчити модель формального нейрона та алгоритми навчання одношарового персептрона.
Використовуючи документацію рекомендованого викладачем програмного засобу, вивчити його архітектуру і компоненти, призначені для моделювання і навчання одношарового персептрона, вводу і виводу даних, підготовки звітів (виводу і відображення результатів роботи).
Ознайомитися зі складом і порядком виконання роботи.
3 Порядок виконання роботи
3.1 Одержати у викладача варіанти завдань для навчання і моделювання одношарового персептрона.
Вхідними даними є: вид функції активації нейрона; кількість входів одношарового персептрона; навчальна і контрольна вибірки (набори пар значень входів і бажаних виходів персептрона); значення максимальної припустимої помилки навчання; значення параметра збіжності навчання.
3.2 Написати і налагодити програму на Паскалі, Сі або Бейсику, що моделює формальний нейрон (одношаровий персептрон) і реалізує алгоритми навчання дискретного і дійсного персептронів. Передбачити в програмі відображення на екран і запис у файл на диску поточного стану параметрів персептрона і результатів його роботи: матрици ваг, помилки класифікації (оцінювання), значень на входах і виході персептрона, а також часу навчання і класифікації на основі персептрона.
3.3 Для відповідних варіанту вхідних даних здійснити навчання персептрона і зберегти у файлі на диску результати його роботи для навчальної і контрольної вибірок.
3.4 Кілька разів змінити вид функції активації нейрона і виконати п.3.3.
3.6. Результати виконання п.п. 3.3 - 3.4 занести в таблицю, стовпці якої повинні мати назви: вид функції активації, метод навчання, час навчання, час класифікації (оцінювання) для навченого персептрона (для навчальної і контрольної вибірок), помилка класифікації (оцінювання) для навчальної і контрольної вибірок. Проаналізувати отримані результати і зробити висновки про те, як впливає вид функції активації формального нейрона на час навчання і класифікації (оцінювання), а також величину помилки навчання і класифікації (оцінювання) одношарового персептрона.
3.7 Для тих же вхідних даних, що та у п.3.3 зробити моделювання і навчання одношарового персептрона, а також виконати п.п.3.3 - 3.6 на основі програмного продукту, запропонованого викладачем. Результати занести в таблицю. Проаналізувати отримані результати.
3.8 На основі таблиць п.3.6 і п.3.7 дати порівняльну характеристику програми, розробленої студентом, і програмного засобу, запропонованого викладачем.
3.9 На основі розробленої студентом програми, змінюючи значення кроку навчання, для персептрона з заданою функцією активації дослідити, як впливає величина кроку навчання на час навчання. Побудувати графік залежності часу навчання персептрона від величини кроку навчання.
4 ЗМІСТ ЗВІТУ
4.1 Сформульована мета роботи.
4.2 Короткий опис моделі формального нейрона (одношарового персептрона).
4.3 Схема і короткий опис (основна ідея) алгоритмів навчання дискретного і дійсного персептронів.
4.4 Короткий опис і текст програми, що реалізує алгоритми 4.3.
4.5 Вхідні дані та результати роботи програми 4.4, таблиця 3.6.
4.6 Короткий опис, вхідні дані та результати роботи з програмним засобом, запропонованим викладачем, таблиця 3.7.
4.7 Результати виконання п.3.9, графік залежності часу навчання від величини кроку навчання.
4.8 Аналіз отриманих результатів і висновки. Лаконічні відповіді на контрольні питання.