Лабораторная работа №4 Исследование методов обучения нейронной сети

Цель: исследовать основные методы обучения нейронной сети.

Задание:

В программе NeuroPro с помощью нейронной сети выполнить аппроксимацию функции с точностью 10 %. Число примеров в обучающей выборке – 100.

Для этого

1. Сформировать обучающую и тестовую выборки и выполнить предварительную обработку данных;

2. Оценить необходимое число нейронов в скрытом слое;

3. Построить прямонаправленную трехслойную нейронную сеть с активационной функцией нейронов типа «рациональная сигмоида»;

4. Аналитически определить преобразование, осуществляемого нейронной сетью, и сформировать функционал оптимизации нейронной сети;

5. Выполнить обучение сети доступными в программе методами;

6. Выполнить интерпретацию полученных результатов;

7. Протестировать сеть;

8. Сравнить эффективность методов обучения.

Варианты задания

№ вар.	f(x1,x2)
1,11
2,12
3,13
4,14
5,15
6,16
7,17
8,18
9,19
10,20

Лабораторная работа № 5 Исследование возможностей оптимизации структуры нейросети

Цель: исследовать способы оптимизации структуры нейросети.

Задание:

Используя нейронную сеть, построенную в лабораторной работе №4 выполнить следующее:

1. Отобразить значимость входных сигналов сети,

2. Внести случайные возмущения в веса синапсов сети.

3. Выполнить упрощение (контрастирование) нейронной сети: - Сокращение числа входных сигналов сети. - Сокращение числа нейронов сети. - Равномерное прореживание структуры синапсов сети. - Сокращение числа синапсов сети. - Сокращение числа неоднородных входов (порогов) нейронов сети. - Бинаризация весов синапсов сети (приведение весов синапсов и пороговых входов к конечному набору выделенных значений). Возможен выбор из 4-х наборов выделенных значений.

4. Выполнить генерацию вербального описания нейронной сети.

Лабораторная работа № 6 Исследование свойств карт Кохонена

Цель: исследовать основные свойства карт Кохонена.

Задание:

Имеются данные измерений для трех видов ирисов (iris setosa, iris versicolor, iris virginica) в равных пропорциях (по 50 штук). Известны величины измерений четырех признаков: длина чашелистика, ширина чашелистика, длина лепестка и ширина лепестка. Число примеров в выборке – 150. (смотри приложение А.) В пакете Deductor построить самоорганизующуюся сеть, осуществляющую классификацию.

Для этого:

1. Сформировать обучающую, тестовую выборки.

2. Выбрать архитектуру сети - карта Кохонена.

3. Использовать алгоритм обучения Кохонена.

4. Интерпретировать полученные результаты.