From WikiZMSI

Sztuczne sieci neuronowe II

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:

Ze spisu treści należy uruchomić następujące programy demonstracyjne:

1. Granica decyzyjna (separacji) na płaszczyźnie [Chapter IV - Decision Boundaries],:
   • Przemieścić prostą separacji tak, by oddzielić punkty białe (jednej klasy) od czarnych (drugiej klasy). (Jak położony jest wektor wag? Jakie są ich wartości?
   • Zmienić położenie punktów w przestrzeni wejść (na wykresie). Znaleźć taki układ, by nie dało się rozdzielić klas za pomocą prostej.
   • Jak położona jest prosta gdy b=0?
   • Jakie wartości mają wagi, gdy prosta jest rosnąca?
   • Jakie wartości mają wagi, gdy prosta jest malejąca?
2. Uczenie regułą perceptronu [Chapter IV - Perceptron Rule],
   • Przy zaznaczonej opcji No bias ucz sieć (zmieniaj wartości wag) przyciskając przycisk Learn. Jakie jest położenie prostej separacji? Kiedy kończy się proces uczenia?
   • Wylosuj nowe wagi (przycisk Random). Jak długo uczy się sieć?
   • Wylosuj nowe wagi (przycisk Random). Przy zaznaczonej opcji Bias ucz sieć (zmieniaj wartości wag) przyciskając przycisk Learn. Jakie jest położenie prostej separacji?
   • Rozmieść punkty tak, by nie udało się nauczyć sieci. Rozważ dwa warianty: No bias i Bias.
3. Zależność wejście wyjście w sieci wielowarstwowej [Chapter XI - Network function]
   • Zaobserwuj jak zmienia się wyjście w zależności od różnych parametrów.
   • Czy widzisz ograniczenia takiej sieci?
   • Spróbuj uzyskać wykres taki jak funkcji y=-x, f. gaussa (dzwon)
4. Uczenie sieci wielowarstwowej metodą wstecznej propagacji błędów [Chapter XI - Backpropagation Calculation]
5. Aproksymacja funkcji siecią neuronową [Chapter XI - Function Aproximation]
   • Określ najmniejszą liczbę neuronów potrzebną do poprawnej aproksymacji, gdy stopień skomplikowania funkcji to: 1,3,5,9
6. Generalizacja (problem niedouczenia i przeuczenia sieci neuronowej) [Chapter XI - Generalization]
   • Ustaw index złożoności na 1 i liczbę neuronów na 1, naucz sieć kilkukrotnie i zaobserwuj wyniki.
   • Zwiększ index złożoności do 3, naucz sieć kilkukrotnie i zaobserwuj wyniki.
   • Zwiększ liczbę neuronów, naucz sieć kilkukrotnie i zaobserwuj znianę.
   • Ustaw index złożoności na 1 i liczbę neuronów na 9, naucz sieć kilkukrotnie i zaobserwuj wyniki.
   • Ustaw index złożoności na 9 i liczbę neuronów na 1, naucz sieć kilkukrotnie i zaobserwuj wyniki.