
- •Методические указания
- •Краматорск 2011
- •Содержание
- •Исследование свойств нейронов
- •Варианты заданий
- •Исследование свойств активационных функций нейронов.
- •Варианты заданий
- •Лабораторная работа №3 Исследование свойств многослойных персептронов.
- •Варианты заданий
- •Лабораторная работа №4 Исследование методов обучения нейронной сети
- •Варианты задания
- •Лабораторная работа № 5 Исследование возможностей оптимизации структуры нейросети
- •Лабораторная работа № 6 Исследование свойств карт Кохонена
- •Лабораторная работа № 7 Исследование свойств rbf-сетей
- •Лабораторная работа № 8 Исследование свойств нейросетевого компаратора
- •Лабораторная работа № 9 Исследование свойств сетей Хопфилда
- •Лабораторная работа № 10 Исследование свойств сети поиска максимума
- •Приложение а
- •Список рекомендуемой литературы
Лабораторная работа №3 Исследование свойств многослойных персептронов.
Цель: исследовать основные свойства многослойных персептронов.
Задание:
В табличном процессоре с помощью прямонаправленной многослойной нейронной сети выполнить аппроксимацию функции f(x) с точностью 10 %.
Для этого
-
Выполнить предварительную обработку данных и сформировать обучающую и тестовую выборки;
-
Оценить необходимое число нейронов в скрытом слое;
-
Построить прямонаправленную нейронную сеть с одним скрытым слоем. Активационную функцию нейронов выбрать в соответствии с вариантом задания;
-
Аналитически определить преобразование, осуществляемое нейронной сетью, и сформировать функционал оптимизации нейронной сети. Тип функции ошибки выбрать в соответствии с вариантом задания;
-
Выполнить обучение сети;
-
Выполнить интерпретацию полученных результатов;
-
Протестировать сеть.
Число примеров в исходном множестве данных – m. Аргументы функции х1…х4 [a;b] – целые числа.
Варианты заданий
Номер варианта |
Исходная функция f(x)(1) |
Активационная функция(2) |
Функция ошибки(3) |
m |
a |
b |
1 |
1 |
1 |
1 |
132 |
2 |
124 |
2 |
1 |
1 |
2 |
149 |
10 |
109 |
3 |
1 |
2 |
1 |
119 |
10 |
101 |
4 |
2 |
1 |
1 |
129 |
8 |
119 |
5 |
2 |
1 |
2 |
125 |
4 |
110 |
6 |
2 |
2 |
1 |
148 |
5 |
126 |
7 |
3 |
1 |
1 |
86 |
9 |
107 |
8 |
1 |
2 |
3 |
94 |
10 |
124 |
9 |
2 |
1 |
3 |
92 |
10 |
116 |
10 |
2 |
3 |
1 |
106 |
5 |
96 |
11 |
3 |
1 |
2 |
115 |
0 |
107 |
12 |
3 |
2 |
1 |
86 |
4 |
114 |
13 |
4 |
1 |
1 |
118 |
2 |
94 |
14 |
1 |
3 |
3 |
148 |
9 |
92 |
15 |
2 |
2 |
3 |
85 |
8 |
116 |
16 |
2 |
3 |
2 |
150 |
5 |
102 |
17 |
3 |
1 |
3 |
144 |
8 |
129 |
18 |
3 |
2 |
3 |
97 |
0 |
126 |
19 |
4 |
1 |
3 |
129 |
7 |
113 |
20 |
4 |
2 |
2 |
97 |
5 |
93 |
21 |
4 |
3 |
1 |
119 |
7 |
100 |
22 |
3 |
3 |
3 |
84 |
6 |
106 |
23 |
4 |
2 |
3 |
99 |
9 |
101 |
24 |
4 |
3 |
2 |
123 |
7 |
129 |
25 |
4 |
3 |
3 |
133 |
8 |
114 |
(1) Вид аппроксимируемой функции f(x):
-
f(x) = х1х2 + х3х4;
-
f(x) = х1х2 - х3х4;
-
f(x) = х1х2 + х3/х4;
-
f(x) = х1х2 - х3/х4.
(2) Вид активационной функции:
-
Рациональная сигмоида;
-
Симметрированная экспоненциальная сигмоида;
-
Гиперболический тангенс.
(3) Вид функции ошибки:
-
Суммарная квадратичная ошибка;
-
Средняя квадратичная ошибка;
-
Сумма модулей.