PSI/LS/z5a
From WikiZMSI
[edytuj]
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:
- 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?
- 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.
- 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)
- Uczenie sieci wielowarstwowej metodą wstecznej propagacji błędów [Chapter XI - Backpropagation Calculation]
- 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
- 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.