PSI/LN/z4

From WikiZMSI

< PSI | LN

Spis treści

Sztuczne sieci neuronowe

Uruchomić w Matlabie poleceniem nnd zestaw programów demonstracyjnych do sieci neuronowych. Przyciskiem [Table of contents] wyświetlić spis treści. Poniżej przedstawiona jest lista zadań do wykonania:

Prosty perceptron - obliczenia w neuronie:

  1. Neuron z jednym wejściem: Obserwacja zachowania pojedynczego neuronu.
    • Sprawdzić jakie wzory mają możliwe do wykorzystania funkcje aktywacji. help nazwa_funkcji
    • Zaobserwować zmianę wzbudzenia a(w) w zależności od zmiennej wartości wagi wejścia. Zanotuj wnioski.
  2. Neuron dwuwejściowy: Należy dostroić wagi (w), bias(b), funkcję aktywacji (F) i (p), by uzyskać na wyjściu: -1, 0 , 6. Zanotuj użyte zestawy wag i funkcje aktywacji.

Przykład zadania klasyfikacji rozwiązanego różnego typu sieciami neuronowych

Ze spisu treści należy uruchomić Klasyfikacja perceptronem [Chapter III - An illustrative example],

Zadanie prezentuje problem rozpoznania jabłka i pomarańczy.

  • Wykonać kilkukrotne próby rozpoznania owoców. Jak sprawdza się sieć neuronowa w zadaniu?
  • Co jest przedstawione na trójwymiarowym wykresie?
  • Określić według jakich cech następuje rozpoznanie. W jakim stopniu mają one wpływ na rozpoznanie? Po czym określa się istotność danej cechy w modelu?
  • Zastosowana w zadaniu sieć neuronowa jest już nauczona --- ma dobrane wagi do wykonywanego zadania. Jakie są wartości wag?
  • Narysować sieć neuronową realizująca zadanie (jej budowę można wywnioskować z liczby wag) z opisem wszystkich elementów oznaczenia wag i biasów zgodne z oznaczeniami w zadaniu oraz podać wzory funkcji aktywacji.


Zadanie z wykorzystaniem

Treść zadania domowego.

Zadanie domowe obejmuje wykonanie zadań punkt 1,2 i 5.


Wytyczne na wejściówkę

  1. Działanie pojedynczego neuronu. Umiejętność obliczania wyjścia z neuronu.
  2. Znajomość cech perceptronu prostego. Ile ma wejść i wyjść?
  3. Na czym polega zadanie klasyfikacji? Przykład zadania klasyfikacji.
  4. Na czym polega proces uczenia sieci neuronowej?
  5. Co to jest granica decyzyjna i jaki jest jej wzór?
  6. Schemat sieci perceptronowej do klasyfikacji owoców (jabłek i pomarańczy).
  7. Co oznacza zerowa waga dla wejścia?