WsdSI/LJK/za3
From WikiZMSI
Spis treści |
[edytuj]
Sztuczne sieci neuronowe I
Poniższe przykłady pochodzą z podręcznika Neural Network Design.
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:
[edytuj]
Prosty perceptron - obliczenia w neuronie:
- 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.
- 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.
[edytuj]
Przykład zadania klasyfikacji siecią typu perceptron prosty
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.
[edytuj]
Uczenie nadzorowane: reguła perceptronu
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.