Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Скачиваний:
120
Добавлен:
01.05.2014
Размер:
1.77 Mб
Скачать

Санкт-Петербургский

государственный электротехнический университет

ЛЭТИ”

______________________________________________________________________

кафедра МОЭВМ

Отчет

по лабораторной работе №1

Основы работы с пакетом STATISTICA Neural Networks

Выполнил : студент гр. 3341 Рыжок М.С.

Проверил: доцент Лисс А. А.

Санкт-Петербург

2007

Лабораторная работа №1.

Основы работы с пакетом STATISTICA Neural Networks

Цель работы: научиться создавать и редактировать обучающие и тестовые данные, создавать и обучать искусственные нейронные сети (ИНС), оценивать качество обучения и функционирования ИНС с помощью пакета STATISTICA Neural Networks.

Задание:

С помощью пакета STATISTICA Neural Networks создать различные архитектуры искусственных нейронных сетей, реализующих логические функции двух переменных ИЛИ(OR) и ИСКЛЮЧАЮЩЕЕ ИЛИ(XOR), и обучить их.

Для каждой логической функции:

  1. Создать новый набор обучающих данных;

  2. Создать новый набор прямонаправленных нейронных сетей различной конфигурации:

  • однослойную сеть (входной и выходной слой);

  • двухслойную сеть с двумя нейронами скрытого слоя;

  • двухслойную сеть с четырьмя нейронами скрытого слоя;

  • трехслойную сеть, содержащую 8 нейронов в первом скрытом слое и 4 нейрона во втором скрытом слое.

  • Обучить каждую сеть набора;

  • Протестировать каждую сеть на обучающем наборе данных;

  • На основании оценок качества обучения и функционирования и параметров сети выбрать наилучшую сеть.

    Сегодня в области нейронных вычислений используются десятки моделей нейронных сетей, предназначенных для решения различных задач. Каждая из этих моделей отличается от других своей архитектурой, т.е. количеством входных и выходных нейронов, количеством слоёв, направлением и структурой межнейронных связей. В зависимости от конкретной задачи выбирают сеть определённой архитектуры и связанный с архитектурой и с задачей специально разработанный для них закон обучения.

    Выполнение задания:

    ИЛИ(OR).

    По проведённым опытам мы можем сказать, что однослойная сеть (входной и выходной слой) в данной задаче лучше.

    Оценивать качество обучения и функционирования сети будем следующем образом.

    В окне Network Set Editor содержится следующая необходимая для этого информация:

    • Error – среднеквадратичная ошибка обучения на всех обучающих примерах

    , где – абсолютная ошибка на i-м примере.

    • Performance – доля правильно классифицированных данных (в задачах классификации).

    Из проведённых опытов выносим информацию:

    • однослойная сеть (входной и выходной слой):

    • двухслойная сеть с двумя нейронами скрытого слоя:

    • двухслойная сеть с четырьмя нейронами скрытого слоя:

      • трехслойная сеть, содержащую 8 нейронов в первом скрытом слое и 4 нейрона во втором скрытом слое:

    Наименьшая ошибка наблюдается именно в однослойной сети, а доля правильно классифицированных данных только в однослойной сети = 1, а в остальных случаях = 0.

    ИСКЛЮЧАЮЩЕЕ ИЛИ(XOR)

    1. Однослойная сеть

    2. Двухслойная сеть с двумя нейронами скрытого слоя

    3. Двухслойная сеть с четырьмя нейронами скрытого слоя

    4. Трехслойная сеть, содержащая 8 нейронов в первом скрытом слое и 4 нейрона во втором скрытом слое

    Вывод: здесь наблюдается проблема логической функции исключающее ИЛИ, которая не может смоделирована с помощью простого персептрона. Многослойные сети персептронных нейронов в отличие от простых персептронов моделируют более сложные разделяющие поверхности – выпуклые и невыпуклые, ограниченные и неограниченные. Это свойство объясняет их большие, по сравнению с простыми сетями, возможности. Ошибка уменьшается по мере возрастания количества нейронов сети. Но увеличение количества нейронов уменьшает быстродействие системы.

    Вывод:

    Научились создавать и редактировать обучающие и тестовые данные, создавать и обучать искусственные нейронные сети (ИНС), оценивать качество обучения и функционирования ИНС с помощью пакета STATISTICA Neural Networks.

    Наиболее оптимальной сетью для реализации функции OR будет однослойная сеть(простой персептрон)

    Наиболее оптимальной сетью для реализации функции XOR будет двухслойная сеть с двумя нейронами скрытого слоя, так как простой персептрон не может смоделировать разделяющую поверхность