Методические указания к лабораторной работе №3 (774830), страница 2

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

Текст из файла (страница 2)

Таким образом, файл с обучающей выборкой будет иметь вид:

! 2000 (plus.nni)

! "+"

i 0 0 1 0 0 0 0 1 0 0 1 1 1 1 1 0 0 1 0 0 0 0 1 0 0

d 0 0 1 0 0 0 0 1 0 0 1 1 1 1 1 0 0 1 0 0 0 0 1 0 0

! "-"

i 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0

d 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0

! "*"

i 1 0 0 0 1 0 1 0 1 0 0 0 1 0 0 0 1 0 1 0 1 0 0 0 1

d 1 0 0 0 1 0 1 0 1 0 0 0 1 0 0 0 1 0 1 0 1 0 0 0 1

! "/"

i 0 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 0

d 0 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 0

2. Разработка нейронной сети для моделирования задачи распознавания образов и проверка ее функционирования.

Сеть встречного распространения имеет следующие параметры:

Чтобы построить сеть встречного распространения для распознавания четырех изображений, необходимо создать сеть, содержащую 25 нейронов во входном слое, 4 нейрона – в скрытом слое и 25 нейронов – в выходном слое. Для этого можно воспользоваться меню Instanet (Cntrprp – сеть встречного распространения). После этого создается сеть, содержащая 4 слоя нейронов – нормализующий слой, состоящий из 26 нейронов, создается автоматически. Ниже приведены характеристики созданных слоев.

• Входной слой (INPUT EDGE LAYER) содержит 25 нейронов.

• Второй (или нормализующий) состоит из 26 нейронов (на 1 нейрон больше, чем во входном слое).

• Третий слой (или слой Кохонена) содержит 4 нейрона (по числу образов, которые должна распознавать сеть).

• Выходной слой, состоящий из 25 нейронов, имеет следующие параметры:

В соответствии с технологией создания модели нейронной сети, описанной в «Лабораторной работе №2» построим сеть встречного распространения и обучим ее. Сеть встречного распространения изображена на рис.3. На рис. 4-7 приведены результаты проверки функционирования сети на неполных образах.

Р
ис. 3. Сеть встречного распространения.

Р
ис.4. Сеть встречного распространения. Неполный образ “+”

Р

ис.5. Сеть встречного распространения. Неполный образ “-“

Рис. 6. Сеть встречного распространения. Неполный образ “Х”

Р
ис.7. Сеть встречного распространения. Неполный образ “/”

Порядок выполнения работы

1. Создать нейронную сеть встречного распространения для распознавания четырех символов размерностью 5х5.

2. Сформировать обучающее множество и обучить сеть.

3. Создать инструменты для входного и выходного слоев с целью визуального наблюдения за функционированием сети.

4. Проверить функционирование на всех наборах данных.

5. Создать инструменты для визуального контроля за процессом обучения сети:

• изменения среднеквадратичной ошибки в выходном слое,

• средних значений входов и средних значений весов слоя Кохонена (графики совместить),

• средних значений желаемых выходов и средних значений весов слоя Гроссберга (графики совместить),

• изменения выходных сигналов нейронов слоя Кохонена.

1. Проверить работоспособность сети на неполных и неверных входных образах.

Требования к отчету

Отчет должен содержать:

1. структурную схему сети встречного распространения для решения поставленной задачи,

2. структурную схему алгоритма обучения сети встречного распространения,

3. анализ результатов обучения сети с использованием инструментов,

4. результаты проверки функционирования сети с использованием инструментов на неполных или искаженных входных образах.

5. сравнительный анализ сетей встречного и обратного распространения, используемых для решения одной и той же задачи распознавания образов.

Варианты заданий

7

Характеристики

Список файлов книги