Исследование свойств многослойных персептронов.

МЕТОДИЧЕСКИЕ УКАЗАНИЯ

к выполнению лабораторных работ

по курсу
«Нейросетевые технологии»

для студентов специальности «Интеллектуальные системы принятия решений» дневной и заочной формы обучения

Утверждено

на заседании кафедры

ИСПР.

Протокол № __ от ________2011г.

Краматорск 2011

УДК 330.4

Методические указания к выполнению лабораторных работ по курсу «Нейросетевые технологии» (для студентов специальности 7.080404 дневной и заочной формы обучения)/Сост. Гитис В.Б. – Краматорск: ДГМА, 2011. – 20 с.

Составитель Гитис В.Б.

Отв. за выпуск Гитис В.Б.

СОДЕРЖАНИЕ

	Стр.
Лабораторная работа 1.
Лабораторная работа 2.
Лабораторная работа 3.
Лабораторная работа 4.
Лабораторная работа 5.
Лабораторная работа 6.
Лабораторная работа 7.
Лабораторная работа 8.
Лабораторная работа 9.
Лабораторная работа 10.
Приложение А
Список использованной литературы

Лабораторная работа №1

Исследование свойств нейронов

Цель: исследовать основные свойства искусственных нейронов.

Задание:

С помощью математического пакета выполнить:

1. Построить математическую модель нейрона (вид функции активации и число дендритов взять из таблицы вариантов заданий).

2. Исследовать зависимость выходного сигнала построенного нейрона при изменении одного из входных сигналов в диапазоне [-5; 5]. Шаг изменения сигнала принять равным 0,1.

Варианты заданий

Номер варианта	Вид функции активации *	Число дендритов

*

1) экспоненциальная сигмоида;

2) симметрированная экспоненциальная сигмоида;

3) рациональная сигмоида;

4) гиперболический тангенс;

5) арктангенс;

6) кривая Гаусса;

7) пороговая;

8) пологая ступенька.

Лабораторная работа №2

Исследование свойств активационных функций нейронов.

Цель: исследовать основные свойства активационных функцийискусственных нейронов.

Задание:

Исследовать зависимость формы следующих активационных функций от их параметров (см. таблицу вариантов заданий):

1. экспоненциальная сигмоида;

2. симметрированная экспоненциальная сигмоида;

3. рациональная сигмоида;

4. гиперболический тангенс;

5. арктангенс;

6. кривая Гаусса;

7. пороговая;

8. пологая ступенька.

Варианты заданий

Номер варианта	Т	с	с для рац. сигмоиды	w	σ	∆	Вид функции активации	Число дендритов
	-2	-2	0,09			2,4
	-1		0,18			1,1
		-1	0,15	-2		1,9
	-4		0,12			1,4
	-5	-4	0,18			1,8
			0,1	-1		2,2
			0,12			2,3
	-1		0,18			2,8
			0,09			1,3
	-1	-3	0,11			2,8
			0,1	-1		1,1
			0,2	-2		1,5
	-3		0,07			1,8
		-1	0,15
	-1		0,17	-3		1,7
			0,09	-5		1,3
			0,07
	-3		0,12			2,7
			0,08	-1		1,3
			0,08			2,8
	-5		0,12			2,4
	-4	-5	0,1			2,2
			0,12
			0,13	-4		1,7
	-4		0,11	-3

Лабораторная работа №3

Исследование свойств многослойных персептронов.

Цель: исследовать основные свойства многослойных персептронов.

Задание:

В табличном процессоре с помощью прямонаправленной многослойной нейронной сети выполнить аппроксимацию функции f(x) с точностью 10 %.

Для этого

1. Выполнить предварительную обработку данных и сформировать обучающую и тестовую выборки;

2. Оценить необходимое число нейронов в скрытом слое;

3. Построить прямонаправленную нейронную сеть с одним скрытым слоем. Активационную функцию нейронов выбрать в соответствии с вариантом задания;

4. Аналитически определить преобразование, осуществляемое нейронной сетью, и сформировать функционал оптимизации нейронной сети. Тип функции ошибки выбрать в соответствии с вариантом задания;

5. Выполнить обучение сети;

6. Выполнить интерпретацию полученных результатов;

7. Протестировать сеть.

Число примеров в исходном множестве данных – m. Аргументы функции х₁…х₄ Î [a;b] – целые числа.

Варианты заданий

Номер варианта	Исходная функция f(x)^(1)	Активационная функция^(2)	Функция ошибки^(3)	m	a	b

(1) Вид аппроксимируемой функции f(x):

1. f(x) = х₁х₂ + х₃х₄;

2. f(x) = х₁х₂ - х₃х₄;

3. f(x) = х₁х₂ + х₃/х₄;

4. f(x) = х₁х₂ - х₃/х₄.

(2) Вид активационной функции:

1. Рациональная сигмоида;

2. Симметрированная экспоненциальная сигмоида;

3. Гиперболический тангенс.

(3) Вид функции ошибки:

1. Суммарная квадратичная ошибка;

2. Средняя квадратичная ошибка;

3. Сумма модулей.

Дата добавления: 2015-11-30