![]() Главная страница Случайная страница КАТЕГОРИИ: АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника |
Цель работы. Целью настоящей лабораторной работы является изучение и использование нейронных сетей
Целью настоящей лабораторной работы является изучение и использование нейронных сетей
Задания для понимания процесса обучения. 1. При помощи программы PERC можно изучить зависимость решения от объема данных обучающей выборки. Это достигается изменением значения переменной Nimages в подпрограмме GetDataBase. Попробуйте объяснить ухудшение результатов теста при обучении с постепенным уменьшением числа образов. 2. Проведите исследование зависимости скорости обучения от темпа (значение CEta) и начального значения весов (значение CInitWeight). Объясните полученные вами результаты. 3.Модифицируйте программы PERC и TEST, изменив тип переходной функции нейрона. Сравните результаты. 4.программа позволяет использовать несколько нейронов- модифицируйте и опишите результат. Задания для понимания NImages: = 200; итераций 253; ошибка 0, 00497463311542248 ВОПРОС ОТВЕТ ВЕРНЫЙ ОТВЕТ ----------------------------------------------- 0 1 0 1 0 0 1 0 1 1 0.01 0 1 0 1 0 1 0 1 1 0 1 0.69 1 0 0 0 0 1 1 1 1 1 1 0.40 1 1 0 0 0 0 1 1 0 1 0 0.00 0 1 1 1 0 0 0 0 0 0 1 0.00 0 1 0 1 1 0 0 0 0 0 1 0.00 0 1 0 1 1 0 1 1 1 0 0 1.00 1 0 1 0 0 1 1 0 0 0 1 0.00 0 1 1 1 1 1 0 1 1 1 0 1.00 1 0 1 1 1 1 1 1 1 0 0 1.00 1 0 0 1 0 1 0 0 1 0 0 0.00 0 0 1 1 1 0 1 1 1 1 0 1.00 1 1 1 0 0 0 0 0 0 1 1 0.00 0 0 0 1 1 1 1 0 0 0 0 0.00 0 1 1 0 1 1 0 1 0 0 1 0.93 1 -------------------------------------------------
NImages: = 150; итераций 274; ошибка 0, 00499238756150247 0 1 1 0 1 1 0 1 1 1 1.00 1 0 0 1 1 0 1 1 0 1 0 0.04 0 1 1 1 0 1 0 0 0 0 1 0.00 0 0 1 0 1 0 0 0 0 1 1 0.00 0 0 1 0 1 1 1 0 1 1 0 0.98 1 0 1 1 1 0 0 0 1 0 1 0.04 0 0 0 1 0 0 0 0 1 1 1 0.00 0 0 1 1 0 0 0 0 1 1 1 0.00 0 1 0 1 0 1 0 1 0 1 0 0.00 0 1 0 0 0 0 0 1 1 0 1 0.00 0 0 0 0 1 1 1 1 1 1 0 0.97 1 0 1 1 0 0 0 0 1 1 1 0.00 0 0 1 1 0 1 1 0 0 0 1 0.00 0 0 0 0 1 1 1 1 0 1 0 0.01 0 1 0 0 1 0 0 0 0 1 0 0.00 0 NImages: = 100; итераций 380; ошибка 0, 00499408898062418 1 0 1 0 0 0 1 0 1 0 0.00 0 0 1 1 0 1 0 1 0 0 1 0.00 0 1 0 0 0 1 1 1 0 1 1 0.65 1 1 1 0 1 1 0 0 0 1 0 0.10 0 1 1 1 0 1 0 0 0 0 0 0.00 0 1 0 1 0 0 1 0 1 1 1 0.98 1 1 1 0 1 0 1 0 0 0 0 0.00 0 1 1 1 1 0 0 1 1 0 0 1.00 1 1 1 0 1 1 1 1 0 1 1 1.00 1 0 0 1 1 1 0 1 1 1 0 0.96 1 1 1 0 0 1 0 0 0 0 1 0.00 0 0 0 0 0 1 1 1 0 1 1 0.00 0 0 0 1 1 1 1 0 1 0 0 0.03 0 1 0 1 1 1 1 1 1 0 0 1.00 1 1 1 0 0 1 1 1 1 1 1 1.00 1
При уменьшении количества образов обучение происходит более медленно ошибка увеличивается
Зависимость обучения от темпа и весового коэфициента:
CEta = 0.75; CInitWeight = 5.0; 228 итераций. Ошибка 0, 00498336426826122 1 0 1 0 1 0 1 0 1 0 0.01 0 0 0 1 0 1 1 0 0 1 1 0.01 0 0 1 0 1 1 0 1 0 0 0 0.00 0 0 1 0 1 1 0 1 0 0 0 0.00 0 0 1 1 0 1 1 0 1 1 0 0.99 1 1 0 0 1 1 1 0 1 0 1 0.99 1 0 1 0 0 0 1 0 0 0 0 0.00 0 0 1 0 1 0 1 1 0 1 1 0.98 1 0 1 0 1 1 1 1 0 1 0 0.98 1 1 1 0 0 1 0 0 1 0 0 0.00 0 1 0 0 1 0 0 0 1 0 1 0.00 0 1 0 1 1 1 0 0 1 0 1 0.99 1 0 0 1 1 1 0 1 1 1 1 1.00 1 1 1 0 1 0 0 1 0 1 1 0.98 1 1 1 1 1 1 0 0 1 1 1 1.00 1
CEta = 0.5; CInitWeight = 5.0; 338 итераций, ошибка 0, 00498840294469534 0 0 0 0 0 1 1 0 0 0 0.00 0 1 1 1 1 0 1 1 1 1 1 1.00 1 0 1 0 1 1 0 1 1 0 1 0.99 1 0 0 1 1 1 0 0 0 1 0 0.00 0 0 1 1 1 0 1 0 0 0 1 0.01 0 1 0 0 1 1 0 1 1 0 0 0.02 0 1 1 0 0 1 1 1 1 1 0 1.00 1 1 0 1 0 0 0 1 0 1 0 0.00 0 0 0 0 0 1 1 0 1 0 1 0.00 0 1 0 0 1 0 0 0 1 1 0 0.00 0 1 1 1 1 0 0 1 0 0 0 0.01 0 1 1 1 0 1 0 1 0 1 0 0.99 1 1 1 1 0 0 1 1 0 1 1 1.00 1 0 0 0 0 1 1 0 0 1 0 0.00 0 0 1 0 1 1 1 0 0 0 0 0.00 0
CEta = 0.5; CInitWeight = 3.0; 355 итерации; ошибка 0, 00499332751048008 1 0 1 1 0 0 1 1 0 1 0.98 1 1 0 0 0 1 0 1 1 1 0 0.01 0 0 1 1 1 1 0 0 1 1 0 0.99 1 0 1 1 0 0 1 1 0 1 1 0.99 1 0 0 1 0 0 1 0 1 0 0 0.00 0 1 0 0 1 0 0 0 1 1 0 0.00 0 0 0 0 1 0 1 1 1 0 1 0.01 0 0 0 0 1 1 0 1 1 0 1 0.01 0 1 0 1 1 0 1 0 0 1 1 0.98 1 0 1 0 1 1 0 1 0 1 0 0.01 0 1 0 0 0 0 0 1 1 0 0 0.00 0 0 0 0 1 0 0 1 1 1 1 0.01 0 0 1 0 0 1 0 0 0 0 0 0.00 0 0 1 0 0 1 0 0 0 1 0 0.00 0 0 1 0 1 0 0 1 1 0 1 0.01 0
При уменьшении темпа обучения и начального значения весов программа обучается медленнее ошибка обучения увеличивается.
Вывод: Изучили и научились использовать нейронные сети.
Практическая работа №3 Построение базы знаний Получение знаний о предметной области. Цель: Освоение технологии построения базы знаний простейшей экспертной системы, построенной на знаниях об определённой предметной области.
Задачи: Каждый студент исследует одну предметную область и решает три задачи: 1. Выбрать предметную область, в которой вы можете выступить экспертом 2. получение знаний, описание поля знаний о предметной области(ПО), 3. формализации знаний в выбранной модели представления знаний 4. и создание базы знаний и программная реализация базы знаний экспертной системы. Предметная область выбирается самостоятельно и согласуется с преподавателем или выбирается вариант из приложения:
Предметная область: Идентификация транспортного средства (велосипед, мотоцикл, мотоцикл с коляской, мотороллер, телега, карета, автобус, грузовик, легковой автомобиль).
|