Методическое пособие по выполнению лабораторных работ (1085712), страница 3

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 3)

Для обучения нейронной сети подготовим блок обучающих выборок следующим образом.

Выберем кадр из N+1 числа элементов, идущих от конца к началу временной серии, где первые N элементов – формируют вектор входного слоя, а последний (N+1)-й – элемент выходного слоя нейронной сети. Следующую обучающую выборку получаем, передвигаясь окном на один элемент влево и т.д.

Таким образом, имея временную серию, состоящую из 100 элементов, можно подготовить 100–N–1 обучающих пар.

Оптимизация структуры нейронной сети

Чтобы оценить качество прогнозирования, получите в соответствии с разделом «Исследуемые временные серии» еще 3 элемента, следующих за 100 элементами временной серии, которые уже использовались при обучении. Далее, запустите нейронную сеть, предъявив ей 3 новых исследуемых вектора, и сравните результаты нейронной сети с числами, синтезированными генератором.

Разницу между значениями, синтезированными генератором, и результатами работы нейронной сети используйте как качественный показатель сети. Уменьшите эту разницу, модифицируя структуру нейронной сети.

Замечания

Подход, используемый в данной лабораторной работе для проверки качества генератора случайных чисел, наверное, не самый популярный и эффективный.

В то же время, разработанная в лабораторной работе нейронная сеть является аналогичной нейронным сетям, применяемым в интеллектуальных системах прогнозирования различного назначения, например систем прогноза знаков изменения биржевых индексов, систем прогноза цены, систем расчета оптимального использования ресурсов и т.п.

ВОПРОСЫ ДЛЯ САМОПРОВЕРКИ

1. На каких направлениях и для решения каких типовых задач применяются искусственные нейронные сети?

2. Дайте определение искусственного нейрона и перечислите его основные свойства.

3. Перечислите и поясните применяемые виды активационных функций.

4. Какое основное отличие искусственных нейронов, которые используются для построения нейронных сетей, получивших название персептронов?

5. К какому типу алгоритмов обучения относится алгоритм обратного распространения, и в чем отличительная черта этих алгоритмов.

6. Дайте свое определение «многослойному персептрону».

7. В чем заключается задача классификации?

8. Почему, по Вашему мнению, наиболее распространенной топологией сети является модель обратного распространения информации?

18

Характеристики

Список файлов книги