Лабораторная работа: Сканы готовой третей лабораторной работы

Файлы скачаны со студенческого портала для студенты "Baumanki.net"

Файлы представлены исключительно для ознакомления

Не забывайте, что Вы можете зарабатывать, выкладывая свои файлы на сайт

Оценивайте свой ВУЗ в различных голосованиях, в том числе в досье на преподавателей!

Распознанный текст из изображения:

сетей обратного распространения и моделирование нейронной сети для

решения задачи распознавания образов.

обратная связь

х1

х.

хп

Выход

Вход

Сеть Хэмминга — классификатор минимальной ошибки для двоичных векторов,

при этом Ошибка ОпределЯетсЯ с испОльзованием расстОЯниЯ ХэмминГа.

Классификация производится следующим образом: входной вектор относится к

классу, для кОтОрОГО расстояние От эталОннОГО ВектОра минимальное.

Расстояние Хэмминга определяется числом битов во входном векторе, не

сОв~адающих с Соотве~с~вующими бита~и В Этало~~ом ве~~оре.

Если сраВниВать сеть ХэмминГа с сетью Хопфилда с тОчки зрениЯ производительности и емкости, то сеть Хэмминга оптимально классифицирует двоичные вектора, когда Ошибки в битах независимы или случайные. Что касается их емкости, то сеть Хопфилда с К входами имеет К'~К-1) связей и ограниченную емкость, зависящую от К: Снор = О,15'К. Ёмкость сети Хэмминга не зависит от числа компонент входного вектора, но зависит от числа элементов М в слое категорий. При этом количество связей сети Хэмминга определяется как: Снам = М "~М+К).

Распознанный текст из изображения:

М. Ло~~ййо~~~й ~йд~чц,моде.~ц О~ооия и ~о~~~~~~ео~е ~~~дйо~о ймло. Создать нейронную сеть для распознавания графических изображений, с применением модели сети л'.эмминга. В качестве изображений возьмем следующие символы: А,В,С,В,Е,Е,С,Б,1,Я,+,-,!,~ Изображения схематично представлены в виде матриц бх7 точек ниже в таблицах. Табло «Н»

Распознанный текст из изображения:

Алгоритм работы

Инициализация весовых козффициентов первого слоя. и' =,~ = О..л-1,, ~ = 0...к-1

2 где Х вЂ” запоминаемые образы, ~ — соответствующий компонент вектора Х, ~— номер образа, и — размерность вектора Х, п1 — количество запоминаемых образов.

Расчет состояния нейронов первого слоя. где Х вЂ” неизвестный образ, Т = и/2 — порог активационной функции

РаСЧеТ СОСТояНИя НейрОНОВ ВТОРОГО СЛОЯ. ~'"~р+ 1) = у,.(~> — г'" у~" (р)Й ° /у = 0 ..гп — 1 Е=о

У Где Р— ~омеР ~~еР~ЦИИ, О «1/Гп у,'~~р~1> =,~~~~'~(р~1)1~ = 0...т — 1 Где т — порогоВая актиВационная функция. О у ' О ~,0<~. ~.Р Я ~> Я ГДе Г пОрОГ актиВаЦионной функЦии. Обычно Г Выбирается ДОстатОчнО бОльлимр таку чтОбы при любом Допустимом значении ВхОДа не наступалО насыЩение. На практике Е ОбычнО берется равным кОличестВу примеров.

Проверка условия выхода. Если ВыхОДы не стабилизирОвались, т.е. Изменялись за пОслеДнюю итераЦию, тО перехОд на шаг 3, иначе кОнец.

Распознанный текст из изображения:

Тесту рвание на входном о6 азе «Ум~: ВыВОд: Выявили одну особенность сетей Хемминга. Если при написании была опечатка или даже две, то алгоритм работает хорошо, но если был пропущен символ или добавлен лишний, то Хемингово расстояние может оказаться слишком большим. Для того, чтобы сгладить зтот недостаток, нужно подавать на вход как само искомое слово, так и зто же слово, исключая по очереди по одному символу в каждой позиции и добавляя по одной букве в каждую позицию. Такой подход позволит найти практически все случаи ошибок — опечатка, пропуск символа, лишний символ.