Круглов В.В., Борисов В.В. - Искусственные нейронные сети (ИНС) Теория и практика (778918), страница 40
Текст из файла (страница 40)
Подтвердите выбор нажатием кнопки ОК. 8) В открывшемся графическом окне РС Апа1угег (рис. 5.82) можно контролируемо понизить размерность входов за счет уменьшения числа учитываемых при обучении главных компонентов беэ существенной потери информативности. С помощью соответствующего графика можно оценить потери информации. Обычно они не должны превышать 10% Подтвердите выбор нажатиеМ кнопки ОК и вернитесь в основное окно программы. 9) Следующий этап — создание карты Кохонена.
Нажатием кнопки Сгеате г!етччогй... перейдите в диалоговое окно 01а!оц 254 задайте параметры сети (число кластеров) число ячеек по горизонтали и вертикали (рис. 5 83). Рис. 5.82. Диалоговое окно для задания числа главных компонентов Рис 5 83 Окно задания числа кластеров 10) При создании нейронной сети следует руководствоваться следующими простыми правилами: ° для хорошей аппроксимации сетью данных общее число нейронов сети должно быть, как минимум, на порядок меньше числа обучающих примеров, ° кластерную структуру данных, напротив, лучше исследовать, когда число ячеек сравнимо с числом примеров. При этом появятся пустые ячейки, разграничивающие области данных.
11) Подтвердите выбранную конфигурацию сети нажатием кнопки ОК. Далее автоматически стартует процесс обучения. 255 12) По завершении процесса обучения для анализа результатов перейдите на закладку !1евц11в (рис 5.84). Рис 5 64 диалоговое окно формы вывода результатов Здесь доступны следующие функции. ° Сгеа1е Меиг )у)ар... — цветовая раскраска карты Кохонена по любому параметру с выбранной степенью градации, ° Се!1 Оевспрдоп... — определение усредненных значений входных параметров для данного кластера (ячейки) и принадлежащих ему примеров, ° Г1пд Се!1... — поиск кластера, которому принадлежит данный пример; ° Оц1рц1 — сохранение результатов в книге Ехсе! 13) Кроме того, программа позволяет управлять параметрами процесса обучения и изменения цветовой палитры раскраски карты Кохонена Для этого выберите пункт меню Ргодгапт, пункт Ргегегепсев и далее Зе1 Сцв1опз...
В открывшемся окне Ргодгагп Рге1егепсев на закладке Со)огв можно установить другие цвета градационной раскраски карты, а на странице Тга(п!пд рагагпе1егв — параметры обучения сети (данными возможностями рекомендуется пользоваться подготовленным пользователям в исключительных случаях). Восстановить параметры программы по умолчанию можно, выбрав там же подпункт меню Зе1 Ое1ац!1в 14) Создаваемая при нажатии кнопки Сгеа1е Мечу )у)ар...
карта (рис. 5.85) является активной. при двойном щелчке мыши на 256 какой-либо ячейке открывается окно Сей «)евсг!р1)оп, в котором удобно проводить анализ усредненных значений параметров (рис 5.86) Дополнительно предусмотрена возможность сохранения изображения карты раскраски в формате * Ьгпр для последующего экспорта через буфер обмена в любые документы МЗ Отг)се. Для этого в окне карты выберите Ас1)опв/Сору 1о В)1гпар Далее вернитесь в документ МЗ Отйсе и произведите вставку рисунка командой Рав1е меню ЕФ1. Рис 5 85 Условный графинеский вид выявленных кластеров Рис 5 86 характеристики центра выбранного кластера 15) Осталось сохранить результаты работы В программе предусмотрены функции сохранения проекта (кнопка Заче Рго)- ес1...) и экспорта результатов назад в книгу Ехсе).
Для экспорта 257 результатов перейдите на закладку Рго)ес1, задайте необходимые параметры и сохраните результаты нажатием кнопки ОК. 16) Можете закрыть окно программы Койопеп Мар 1 О. Дальнейший анализ полученных результатов удобнее проводить стандартными статистическими методами в Ехсе~. Для использования при анализе новых данных ранее сохраненного проекта необходимо проделать следующие операции: ° загрузить данные в систему; ° загрузить созданный ранее проект; ° провести анализ результатов встроенными средствами Копопеп Мар 1.0; ° сохранить данные в книге Ехсе!. Последовательность действий такова. 1) Выделите необходимую для работы область данных на листе книги Ехсе). Прежние соглашения относительно расположения данных остаются в силе.
Количество и расположение столбцов новых данных и описание первого столбца должно соответствовать параметрам, использованным при создании проекта и обучении сети Кохонена 2) Загрузите созданный ранее проект, нажав на кнопку ).оад Рго)ес1.... В открывшемся окне выберите нужный файл проекта, имеющий по умолчанию расширение .)опр, и подтвердите выбор нажатием кнопки Открыть. 3) Перейдите на закладку йевийв и проведите анализ результатов встроенными средствами Копопеп Мар 1.0. Затем, задайте необходимые параметры и сохраните результаты нажатием кнопки ОШри1. Работу с программой можно считать завершенной. 5.8.4.
Впечатления от работы с пакетом Пакет не обладает какими-то особенными функциональными или сервисными возможностями, но, тем не менее, представляется очень удобной. 5.9. Пакет Риалу ~ од!с Тоо!Ьох 5.9Л. Общая характеристика Евгену Вой)с Тоо!Ьох используется в системе МАТЮКАВ и представляет собой пакет прикладных программ, относящихся к теории нечетких множеств и позволяющих конструировать так называемые нечеткие экспертные и(или управляющие системы. Основные возможности пакета; 258 ° построение систем нечеткого вывода (экспертных систем, нечетких ре~уляторов, аппроксиматоров зависимостей); ° построение адаптивных нечетких систем (нечетких нейронных сетей); ° интерактивное динамическое моделирование в 3!!пц1!пй Пакет позволяет работать в режиме графического интерфейса, в режиме командной стро~и, а также с использованием блоков и примеров пакета Янпийпй 5.9.2.
Состав графического интерфейса В состав средств Рцгзу (.о9!с Тоо1Ьох входят следующие основные программы, позволяющие работать в режиме графического интерфейса: ° редактор Риггу )п(егепсе Зуз(егп Ебйог (Е)Я Ебйог или Е)Я- редактор) вместе со вспомогательными программами: редактором функций принадлежности (МегпЬегэп!р Рцпсбоп Ебйог), редактором правил (йц1е Ебйог), просмотрщиком правил (Ви)е Мевег) и просмотрщиком поверхности отклика (Зцг(асе ч!еаег), ° редактор нечетких нейронных систем (А)ЧЕ1Я Ебйог ипи А)ЧР(я-редактор), ° программа нахождения центров кластеров (СЮэ1епп9— кластеризация).
Набор этих программ предоставляет пользователю максимальные удобства для создания, редактирования и использования различных систем нечеткого вывода. Далее остановимся только на вопросах построения, обучения и использования нечетких нейронных сетей с помощью пакета Рцгзу (.о91с Тоо)Ьох. 5.9.3.
Создание нечеткой нейронной сети Графический интерфейс нечетких нейронных систем вызывается функцией апйвебй из режима командной строки. Исполнение функции приводит к появлению окна редактора нечетких нейронных систем (АКР!Я Еб!1ог), вид которого приведен на рис. 5.87 С помощью данного редактора осуществляется создание или загрузка структуры нечеткой нейронной сети, просмотр структуры, настройка ее параметров, проверка качества функционирования такой сети Рассмотрим пример создания нечеткой нейронной сети, отображающей зависимость у = х' между переменными к и у, заданную с помощью табл. 5.4. 259 00 04 02 0 0 02 04 00 00 Рис 5.87. Окно редактора нечеткой нейронной сети Таблица 5 4 Создание структуры, настройка параметров и проверка осуществляются по обучающей (Тга1п(пд), проверочной (Спесх(пд) и тестирующей (Тебапд) выборкам, которые предварительно должны быть представлены в виде текстовых фалов (с расширением *.Оа( и разделителями-табуляциями), первые колонки которых соответствуют входным переменным, а последняя — единственной выходной переменной; количество строк в таких файлах равно количеству образцов (примеров).
Так, обучающая выборка, сформированная по табл. 5.4, представляется в следующем виде: -1 1 -О.б 0 Зб 0.0 0.00 0.4 0.18 1 1 Строгих рекомендаций по объемам зтих выборок не существует, позтому следует исходить из принципа «чвм больше, тем лучше».
Обучающая и проверочная выборки непосредственно за- 260 действуются в процессе настройки параметров нечеткой нейронной сети. Проверочная выборка используется для определения переобучения сети, при котором ошибка для обучающей последовательности стремится к нулю, а для проверочной — возрастает. Тестовая выборка применяется для проверки качества функционирования обученной сети. Пункты меню Е((е и Ч(еи, идентичны пунктам Р(8-редактора за тем исключением, что здесь работа может происходить только с алгоритмом нечеткого вывода Весело. Пункт меню Ег!(1 содержит единственный подпункт Опг!о (Отменить выполненное действие).
Набор опций (.оаг! г!а1а (Загрузить данные) в нижней левой части окна редактора включает: ° Туре — тип загружаемых данных (Тга!п(пс — для обучения, Тев!(п9 — для тестирования, СпесЫп9 — для проверки, Оегпо — демонстрационные); ° 0(вИ (Диск) или ууогИврасе (Рабочая область) — место, откуда должны загружаться данные. К этим опциям относятся два действия, (.оаг! Оа1а... (Загрузить данные) и С(еаг Оа1а (Стереть введенные данные). Следующая группа опций А(чГ(8-редактора обьединена под именем 6епега1в Г!8 (Создание нечеткой системы вывода) Данная группа включает в себя опции.
° ~оаг! 1гогп г!(вИ вЂ” загрузка структуры системы с диска; е ~оаг( 1гогп укогИвр. — загрузка структуры системы иэ рабочей области МАТ! АВ; ° 6г(г! раг61гоп — разбиение областей определения входных переменных (аргументов) на подобласти независимо для каждого аргумента; ° ВиЬ1гас1 с(ив1ег(п8 или ВиЬ. с(ив1ег(пд — разбиение всей области определения входных переменных (аргументов) на подобласти в комплексе для всех аргументов; ° гзепега1е Г)8 — создание нечеткой системы с точностью до ряда параметров. Следующая группа опций Тга(п Г(8 (Обучение нечеткой системы вывода) позволяет определить метод обучения (Ор((гп. Ме!Ьог() нечеткой нейронной сети: гибридный (Нуопо) или обратного распространения ошибки (ВасИргораоа!(оп), установить уровень текущей суммарной, по всем образцам, ошибки обучения (Еггог То(егапсе), при достижении которого процесс обучения заканчивается; количество циклов обучения (Еросяв).
Процесс обучения заканчивается либо при достижении уровня ошибки, либо при проведении заданного количество циклов. 261 Опция Тга(п Моуу позволяет начать процесс обучения нечеткой нейронной сети В окне АМЕ18-редактора выдаются данные (АМЕ18 1п1о) о системе количество входов, выходов, функций принадлежности входов, нажатие кнопки 81гмс1иге (Структура) позволяет увидеть структуру сети в виде, аналогичном представленному на рис 3 18 Кнопка С1еаг (Очистить) позволяет стереть все результаты Опции Тев1 Е18 позволяют провести проверку и тестирование созданной и обученной системы с выводом результатов в виде графиков (для обучающей выборки — Тга~п~пд г)а1а, тестирующей выборки — Тезепд ба1а и проверочной выборки — Сйесйпд ба1а) Кнопка Тев1 Мозгу позволяет запустить указанные процессы Работу с редактором рассмотрим на примере восстановления зависимости у = х по данным табл 5 4 Предположим, что зти данные сохранены в файле Ргоба ба1 Создание и проверку нечеткой нейронной сети проведем по зтапам 1) В окне АМЕ18-редактора выберем тип загружаемых данных Тга~п~пд и нажмем кнопку гоаб ба1а В окне диалога укажем местоположение и имя файла Его открытие приводит к появлению в графической части окна редактора набора точек, соответствующих введенным данным (рис 5 88) и» ги ьв т'» Рис 5 88 Окно АНг!В-рвдактора после загрузки обучающей выборки 262 2) В группе опций Вепегате Е18 по умолчанию активизирована опция 6г)г) раФк)оп Не будем ее изменять и нажмем кнопку вепегате Е18, после чего появится диалоговое окно (рис 5 69) для задания числа и типов функций принадлежности Сохраним все установки по умолчанию, нажав ОК Произойдет возврат в основное окно АМЕ18-редактора Теперь структура нечеткой нейронной сети создана, и ее графический вид можно просмотреть с помощью кнопки 8кгцскцге грис 5 90) Рис 5 ВЯ Окно задания функций принадлежности 3) Перейдем к опциям Тга)п Е18 Не будем менять задаваемые по умолчанию метод настройки параметров (Нубпб) и уровень ошибки (О), но количество циклов обучения изменим на 40, после чего нажмем кнопку начала процесса обучения 1Тга)п Мозаг) Получившийся результат в виде графика ошибки сети в зависимости от числа циклов обучения, из которого следует, что обучение фактически закончилось после пятого цикла, представлен на рис 5 91 4) Теперь нажатием кнопки Тев! Моиг можно начать процесс тестирования обученной сети, но, поскольку использовалась только обучающая выборка, ничего особенно интересного ожидать не приходится Действительно, выходы обученной сети практически совпадают со значениями обучающей выборки 263 х ео в ороег гне охв ен неоиео м;в оахг оог ое вод СНК ееокевь и еевн Ьееевввео Рис 5 90 Структура созданной гибридной сети Рис 5.91 Результат обучения сети 264 5) Сохраним разработанную нечеткую нейронную сеть с именем РгоЬа1.бэ и, для исследования разработанной системы средствами Г!З-реда«тора, из командной строки МАТЬАВ выполним команду Гигху, а затем через пункты меню Гйе/Орел Г)З 1гогп д!вй...
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
