- •Введение
- •1. Краткие общие сведения о применении инс
- •Основные параметры искусственного
- •Общие характеристики инс
- •Основные свойства инс Параллельная обработка информации.
- •2. Инструментальные средства реализации инс
- •3. Применение программного пакета statistica neural networks (snn)
- •Основные виды нейронных сетей
- •Порядок работы
- •Задания
- •Основные данные для определения необходимости капитального ремонта автомобиля
- •Контрольные вопросы
- •Лабораторная работа №2 тестирование нейросети для решения задачи классификации
- •Порядок работы
- •Задания
- •Основные данные для определения типа транспортного средства
- •Контрольные вопросы
- •Лабораторная работа № 3 создание наборов нейронных сетей
- •Порядок работы
- •Задания
- •Основные данные для определения предоставления кредита
- •Контрольные вопросы
- •Лабораторная работа № 4 нейронные сети с радиальной базисной функцией
- •Порядок работы
- •Задания
- •Основные данные для определения типа банка
- •Контрольные вопросы
- •Лабораторная работа № 5 построение и обучение нейронной сети кохонена, анализ топологической карты
- •Порядок работы
- •Задания
- •Основные данные для определения неисправности в топливной колонке
- •Контрольные на вопросы
- •Лабораторная работа № 6 задача выбора входных переменных в прогнозировании данных
- •Порядок работы
- •Задания
- •Основные наблюдения для определения класса устройства
- •Контрольные вопросы
- •Приложение
- •Данные файла Вентилятор.Stw
- •Данные файла Вуз.Sta для определения поступления в вуз абитуриента
- •Библиографический список
- •Оглавление
- •Для заметок
- •644099, Омск, ул.П.Некрасова, 10
Задания
Построить и обучить нейронную сеть банка с помощью Конструктора сетей на основе представленных данных для предоставления кредита. В исходных данных содержатся входная информация в виде оклада, срока кредита и наличие поручителей.
Ввести исходные данные с количеством наблюдений – 30 (конкретные значения переменных получить у преподавателя) в соответствии со следующими условиями (табл.3)
Построить нейронную сеть в соответствии с настройками:
тип задачи: классификация;
инструмент: мастер решений;
количество сетей: 25;
сохранять сетей: 10.
Создать ансамбль сетей.
Выбрать и упорядочить нейронные сети и ансамбли, связанные с множеством данных, с высокой производительностью.
Сделать анализ построения нейронной сети и отразить в отчете.
Оформить отчет о выполненной работе.
Таблица 3
Основные данные для определения предоставления кредита
Предоставление кредита |
Оклад |
Срок кредита, мес. |
Наличие поручителей |
Предоставляется |
3000-9000 |
72-126 |
2 |
Не предоставляется |
10000-15000 |
12-60 |
0 |
Предоставляется |
3000-9000 |
12-60 |
1 |
Предоставляется |
10000-15000 |
72-126 |
2 |
Не предоставляется |
3000-9000 |
72-126 |
0-1 |
Контрольные вопросы
В каких случаях следует устанавливать число скрытых элементов?
Зачем нужно создавать и использовать ансамбли сетей?
Какие виды ансамблей есть в программе?
Чем определяется поверхность отклика и зачем она нужна?
Что такое MLP–сети?
Назначение прогнозов сети.
Виды обучений сети.
Какой результат работы сети возможен в случае переобучения?
Какое влияние оказывает сеть настройки статистических и ди-
намических опций?
Чем определяется завершение анализа?
Сохранить полученную нейронную сеть на диск.
Лабораторная работа № 4 нейронные сети с радиальной базисной функцией
Цель работы – научиться определять количество скрытых слоев и элементов для построения эффективной нейронной сети с максимальной производительностью.
Порядок работы
Откройте файл Вуз.sta (табл.П.2).
Выбрать команду Нейронные сети.
Выбрать опцию Классификация в группе Тип задачи, а затем выбрать опцию Конструктор сетей.
Нажать кнопку Переменные и выбрать переменную ИТОГ в
поле Категориальные выходные, а переменные Рус.яз_ЕГЭ, Матем_ЕГЭ, Химия и Ин.яз в группе Непрерывные входные.
В диалоге Конструктор сетей выбрать Радиальная базисная функция (RBF-сети), а затем обучение (ОК).
На вкладке Быстрый выбрать опцию K-средних в группе Задание центров К-Средних (рис.13). Таким образом, центры кластеров будут присвоены радиальным элементам.
Рис. 13. Настройка для обучения сети РБФ
Выбрать опцию Изотропное, масштаб, чтобы присвоить соответствующие отклонения, основанные на нескольких элементах в обучающей выборке.
Нажать кнопку OK для обучения сети.
На вкладке Дополнительно (предварительно завершить анализ – кнопка ОК) выбрать опцию Создать ансамбль (рис. 14) из сохраненных сетей, где тип – Выход.
Для получения ансамбля нажать Выбрать Сети, затем Выбрать все и ОК.
В итоговом списке находится простая модель с Архитектурой вида, например, Выход 4:[5]:1 в диалоге Результаты, т.е. итоговый ансамбль с четырьмя входами, одним выходов и пятью нейронными сетями (рис. 15).
Для применения сети отдельно от ансамбля в диалоге Результаты нужно нажать кнопку Выбрать модели.
В диалоге Выбрать сети/ансамбли на вкладке Опции выбрать
Выбирать ансамбль и сети в группе При выделении ансамбля и нажать кнопку ОК.
Рис. 14. Выбор инструмента «Создать ансамбль»
В списке в диалоге Результаты будет отображен ансамбль, а также его составляющие сети.
Нажать кнопку Предсказанные. В итоговой таблице будут отображены прогнозы для всех сетей и общего ансамбля (рис.16).
Для возврата на стартовую панель Нейронные сети нужно нажать кнопку ОК.
Рис. 15. Архитектура ансамбля
Рис. 16. Таблица предсказаний