SNiASI/L/z1a
From WikiZMSI
Spis treści |
[edytuj]
Aproksymacja (regresja) funkcji za pomocą MLP
Dana jest funkcja dwóch zmiennych określona na pewnej dziedzinie.
[edytuj]
Przygotowanie danych uczących
Należy wygenerować następujące zbiory uczące:
- 100 próbek - o rozkładzie równomiernym dla zmiennych (nie chodzi o regularny grid);
- 1000 próbek - o rozkładzie równomiernym dla zmiennych (nie chodzi o regularny grid);
- 100 próbek z szumem na zmiennej y;
- 1000 próbek z szumem na zmiennej y.
[edytuj]
Sieć neuronowa MLP
Aproksymację zadanej funkcji należy wykonać wykorzystując sieć typu MLP o zadanej architekturze (szczegóły dotyczące sieci w pliku mlp_regression.pdf ).
[edytuj]
Uczenie sieci neuronowej
Przygotowane dane należy wykorzystać w procesie uczenia. Korekta wag sieci z wykorzystaniem metody wstecznej propagacji błędów.
Wartości parametrów uczenia takie jak: wagi początkowe, współczynnik uczenia zasugerowano w pliku.
Korekta wag powinna następować po prezentacji każdej próbki uczącej (tryb on-line).
[edytuj]
Weryfikacja procesu uczenia
Po procesie uczenia
- porównać wykresy powierzchni funkcji i sieci neuronowej
- wyznaczyć błąd uogólniania (np. za pomocą zbioru testującego).
