Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Скачиваний:
25
Добавлен:
20.03.2016
Размер:
34.3 Кб
Скачать

Лабораторная работа #3

Восстановление внутренней структуры

объекта мультипликативного типа по

обучающей выборке с помощью

ИНС - модели

Цели работы: 1) научиться основным технологическим приемам работы с искусственной нейронной сетью NNC на примере ее обучения по псевдоэкспериментальбным данным, полученным для объекта мультипликативного типа; 2) освоить технологию выбора структуры ИНС; 3) убедиться в хорошей обучаемости искусственной нейронной сети с помощью экспериментальных данных; 4) убедиться в возможности использования аппарата ИНС для восстановления внутренней структуры объекта мультипликативного типа по обучающей выборке в случае полностью детерминированного и частично зашумленного объектов.

Порядок выполнения работы

1. Задать мультипликативную функцию вида :

, (1)

где k - коэффициент, значения которого необходимо выбрать индивидуально, так, чтобы 10  k  10. Значения коэффициента k необходимо запомнить или записать. Заданная функция соответствует детерминированному объекту аддитивного типа (рис. 1).

Рис. 1. Структурная схема объекта

2. Составить программу для записи в файл обучающей выборки, включающей не менее 50 строк. Переменные X1, X2 должны изменяться случайным образом в диапазоне от -10 до 10. Значение Y должно вычисляться по уравнению (1).

3. Создать структуру (макет) искусственной нейронной сети в программе NNC.

4. Импортировать данные обучающей выборки посредством из Microsoft Excel в программу NNC.

5. Осуществить обучение ИНС изменяя активационные функции нейрона (ов) и сравнивая результаты обучения.

7. Используя таблицу коэффициентов синаптической связи установить восстановленный вид аддитивной функции и сравнить его с заданным.

8. Сделать выводы об обучаемости ИНС и возможности ее использования для восстановления структуры объектов мультпликативного типа в детерминированных условиях.

9. Повторить работу в условиях зашумленности переменной Y (рис. 2). Принять, что максимальный уровень шума δ может составлять не более 10 % от уровня Y, а закон распределения случайной помехи δ - равномерный.

Рис. 2. Структурная схема объекта при условии наложения

случайной ошибки на Y.

10. Сделать выводы об обучаемости ИНС и возможности ее использования для восстановления структуры объектов мультипликативного типа при наличии шумов на выходе.

Отчет о работе, оформленный в виде файла в Microsoft Word должен содержать: постановку задачи (объект с известным числом входов и выходов и уравнение связи вида (1)), обучающую последовательность, апробированные варианты структуры сети и результаты ее обучения (средняя абсолютная погрешность), восстановленное уравнение связи и сравнение его с уравнением (1) для детерминированного и зашумленного объектов.

Вопросы для самопроверки

  1. Как Вы выбирали структуру сети, соответствующую данной проблеме ?

  2. Какова погрешность расчетов по ИНС – модели за пределами области входных переменных, покрытой обучающей выборкой? Объяснить полученный результат.