Читайте также:
|
|
Цель: исследовать основные свойства сетей поиска максимума.
Задание:
1. Создать программный продукт в любой удобной среде визуального программирования, реализующий нейронную сеть вида:
Формирование синаптических весов сети:
Функционирование сети:
где wij – i -й синаптический вес j -го нейрона,
xi – i -й элемент входного сигнала сети,
yj – выход j -го нейрона,
M – количество элементов (размерность) входного сигнала, количество нейронов в сети.
f – активационная функция (линейная с насыщением).
Число синапсов в сети: M(M – 1). Размерности входных и выходных сигналов совпадают.
Итерации сети завершаются после того, как выходные сигналы нейронов перестают меняться.
2. Аналитически определить преобразование, осуществляемое нейронной сетью
3. Выполнить интерпретацию полученных результатов;
4. Протестировать сеть.
Приложение А
Таблица А.1 - Исходные данные
SL | SW | PL | PW | FLOWER |
5.1 | 3.5 | 1.4 | 0.2 | Setosa |
4.9 | 1.4 | 0.2 | Setosa | |
4.7 | 3.2 | 1.3 | 0.2 | Setosa |
4.6 | 3.1 | 1.5 | 0.2 | Setosa |
3.6 | 1.4 | 0.2 | Setosa | |
5.4 | 3.9 | 1.7 | 0.4 | Setosa |
4.6 | 3.4 | 1.4 | 0.3 | Setosa |
3.4 | 1.5 | 0.2 | Setosa | |
4.4 | 2.9 | 1.4 | 0.2 | Setosa |
4.9 | 3.1 | 1.5 | 0.1 | Setosa |
5.4 | 3.7 | 1.5 | 0.2 | Setosa |
4.8 | 3.4 | 1.6 | 0.2 | Setosa |
4.8 | 1.4 | 0.1 | Setosa | |
4.3 | 1.1 | 0.1 | Setosa | |
5.8 | 1.2 | 0.2 | Setosa | |
5.7 | 4.4 | 1.5 | 0.4 | Setosa |
5.4 | 3.9 | 1.3 | 0.4 | Setosa |
5.1 | 3.5 | 1.4 | 0.3 | Setosa |
5.7 | 3.8 | 1.7 | 0.3 | Setosa |
5.1 | 3.8 | 1.5 | 0.3 | Setosa |
5.4 | 3.4 | 1.7 | 0.2 | Setosa |
5.1 | 3.7 | 1.5 | 0.4 | Setosa |
4.6 | 3.6 | 0.2 | Setosa | |
5.1 | 3.3 | 1.7 | 0.5 | Setosa |
4.8 | 3.4 | 1.9 | 0.2 | Setosa |
1.6 | 0.2 | Setosa | ||
3.4 | 1.6 | 0.4 | Setosa | |
5.2 | 3.5 | 1.5 | 0.2 | Setosa |
5.2 | 3.4 | 1.4 | 0.2 | Setosa |
4.7 | 3.2 | 1.6 | 0.2 | Setosa |
4.8 | 3.1 | 1.6 | 0.2 | Setosa |
5.4 | 3.4 | 1.5 | 0.4 | Setosa |
5.2 | 4.1 | 1.5 | 0.1 | Setosa |
5.5 | 4.2 | 1.4 | 0.2 | Setosa |
4.9 | 3.1 | 1.5 | 0.1 | Setosa |
3.2 | 1.2 | 0.2 | Setosa | |
5.5 | 3.5 | 1.3 | 0.2 | Setosa |
4.9 | 3.1 | 1.5 | 0.1 | Setosa |
4.4 | 1.3 | 0.2 | Setosa | |
5.1 | 3.4 | 1.5 | 0.2 | Setosa |
3.5 | 1.3 | 0.3 | Setosa | |
4.5 | 2.3 | 1.3 | 0.3 | Setosa |
4.4 | 3.2 | 1.3 | 0.2 | Setosa |
3.5 | 1.6 | 0.6 | Setosa | |
5.1 | 3.8 | 1.9 | 0.4 | Setosa |
4.8 | 1.4 | 0.3 | Setosa | |
5.1 | 3.8 | 1.6 | 0.2 | Setosa |
4.6 | 3.2 | 1.4 | 0.2 | Setosa |
5.3 | 3.7 | 1.5 | 0.2 | Setosa |
3.3 | 1.4 | 0.2 | Setosa | |
3.2 | 4.7 | 1.4 | Versicol | |
6.4 | 3.2 | 4.5 | 1.5 | Versicol |
6.9 | 3.1 | 4.9 | 1.5 | Versicol |
5.5 | 2.3 | 1.3 | Versicol | |
6.5 | 2.8 | 4.6 | 1.5 | Versicol |
5.7 | 2.8 | 4.5 | 1.3 | Versicol |
6.3 | 3.3 | 4.7 | 1.6 | Versicol |
4.9 | 2.4 | 3.3 | Versicol | |
6.6 | 2.9 | 4.6 | 1.3 | Versicol |
5.2 | 2.7 | 3.9 | 1.4 | Versicol |
3.5 | Versicol | |||
5.9 | 4.2 | 1.5 | Versicol | |
2.2 | Versicol | |||
6.1 | 2.9 | 4.7 | 1.4 | Versicol |
5.6 | 2.9 | 3.6 | 1.3 | Versicol |
6.7 | 3.1 | 4.4 | 1.4 | Versicol |
5.6 | 4.5 | 1.5 | Versicol | |
5.8 | 2.7 | 4.1 | Versicol | |
6.2 | 2.2 | 4.5 | 1.5 | Versicol |
5.6 | 2.5 | 3.9 | 1.1 | Versicol |
5.9 | 3.2 | 4.8 | 1.8 | Versicol |
6.1 | 2.8 | 1.3 | Versicol | |
6.3 | 2.5 | 4.9 | 1.5 | Versicol |
6.1 | 2.8 | 4.7 | 1.2 | Versicol |
6.4 | 2.9 | 4.3 | 1.3 | Versicol |
6.6 | 4.4 | 1.4 | Versicol | |
6.8 | 2.8 | 4.8 | 1.4 | Versicol |
6.7 | 1.7 | Versicol | ||
2.9 | 4.5 | 1.5 | Versicol | |
5.7 | 2.6 | 3.5 | Versicol | |
5.5 | 2.4 | 3.8 | 1.1 | Versicol |
5.5 | 2.4 | 3.7 | Versicol | |
5.8 | 2.7 | 3.9 | 1.2 | Versicol |
2.7 | 5.1 | 1.6 | Versicol | |
5.4 | 4.5 | 1.5 | Versicol | |
3.4 | 4.5 | 1.6 | Versicol | |
6.7 | 3.1 | 4.7 | 1.5 | Versicol |
6.3 | 2.3 | 4.4 | 1.3 | Versicol |
5.6 | 4.1 | 1.3 | Versicol | |
5.5 | 2.5 | 1.3 | Versicol | |
5.5 | 2.6 | 4.4 | 1.2 | Versicol |
6.1 | 4.6 | 1.4 | Versicol | |
5.8 | 2.6 | 1.2 | Versicol | |
2.3 | 3.3 | Versicol | ||
5.6 | 2.7 | 4.2 | 1.3 | Versicol |
5.7 | 4.2 | 1.2 | Versicol | |
5.7 | 2.9 | 4.2 | 1.3 | Versicol |
6.2 | 2.9 | 4.3 | 1.3 | Versicol |
5.1 | 2.5 | 1.1 | Versicol | |
5.7 | 2.8 | 4.1 | 1.3 | Versicol |
6.3 | 3.3 | 2.5 | Virginic | |
5.8 | 2.7 | 5.1 | 1.9 | Virginic |
7.1 | 5.9 | 2.1 | Virginic | |
6.3 | 2.9 | 5.6 | 1.8 | Virginic |
6.5 | 5.8 | 2.2 | Virginic | |
7.6 | 6.6 | 2.1 | Virginic | |
4.9 | 2.5 | 4.5 | 1.7 | Virginic |
7.3 | 2.9 | 6.3 | 1.8 | Virginic |
6.7 | 2.5 | 5.8 | 1.8 | Virginic |
7.2 | 3.6 | 6.1 | 2.5 | Virginic |
6.5 | 3.2 | 5.1 | Virginic | |
6.4 | 2.7 | 5.3 | 1.9 | Virginic |
6.8 | 5.5 | 2.1 | Virginic | |
5.7 | 2.5 | Virginic | ||
5.8 | 2.8 | 5.1 | 2.4 | Virginic |
6.4 | 3.2 | 5.3 | 2.3 | Virginic |
6.5 | 5.5 | 1.8 | Virginic | |
7.7 | 3.8 | 6.7 | 2.2 | Virginic |
7.7 | 2.6 | 6.9 | 2.3 | Virginic |
2.2 | 1.5 | Virginic | ||
6.9 | 3.2 | 5.7 | 2.3 | Virginic |
5.6 | 2.8 | 4.9 | Virginic | |
7.7 | 2.8 | 6.7 | Virginic | |
6.3 | 2.7 | 4.9 | 1.8 | Virginic |
6.7 | 3.3 | 5.7 | 2.1 | Virginic |
7.2 | 3.2 | 1.8 | Virginic | |
6.2 | 2.8 | 4.8 | 1.8 | Virginic |
6.1 | 4.9 | 1.8 | Virginic | |
6.4 | 2.8 | 5.6 | 2.1 | Virginic |
7.2 | 5.8 | 1.6 | Virginic | |
7.4 | 2.8 | 6.1 | 1.9 | Virginic |
7.9 | 3.8 | 6.4 | Virginic | |
6.4 | 2.8 | 5.6 | 2.2 | Virginic |
6.3 | 2.8 | 5.1 | 1.5 | Virginic |
6.1 | 2.6 | 5.6 | 1.4 | Virginic |
7.7 | 6.1 | 2.3 | Virginic | |
6.3 | 3.4 | 5.6 | 2.4 | Virginic |
6.4 | 3.1 | 5.5 | 1.8 | Virginic |
4.8 | 1.8 | Virginic | ||
6.9 | 3.1 | 5.4 | 2.1 | Virginic |
6.7 | 3.1 | 5.6 | 2.4 | Virginic |
6.9 | 3.1 | 5.1 | 2.3 | Virginic |
5.8 | 2.7 | 5.1 | 1.9 | Virginic |
6.8 | 3.2 | 5.9 | 2.3 | Virginic |
6.7 | 3.3 | 5.7 | 2.5 | Virginic |
6.7 | 5.2 | 2.3 | Virginic | |
6.3 | 2.5 | 1.9 | Virginic | |
6.5 | 5.2 | Virginic | ||
6.2 | 3.4 | 5.4 | 2.3 | Virginic |
5.9 | 5.1 | 1.8 | Virginic |
Список рекомендуемой литературы
1. Дубровін В. І., Субботін С. О. Методи оптимізації та їх застосування в задачах навчання нейронних мереж: Навчальний посібник. – Запоріжжя: ЗНТУ, 2003. – 136 с.
2. Комашинский В. И., Смирнов Д. А. Нейронные сети и их применение в системах управления и связи. – М.: Горячая линия – Телеком, 2003. – 94 с.
3. Конспект лекций по курсу «Нейросетевые технологии» (для студентов специальности 7.050102 очной и заочной формы обучения) / Сост.: Ковалевский С. В., Гитис В. Б. – Краматорск: ДГМА, 2002. – 40 с.
4. Круглов В. В., Борисов В. В. Искусственные нейронные сети. Теория и практика. – 2-е изд., стереотипное. – М.: Горячая линия – Телеком, 2002. – 382 с.
5. Медведев В. С., Потемкин В. Г. Нейронные сети. MATLAB 6 / Под общ. ред. к. т. н. В. Г. Потемкина. – М.: ДИАЛОГ-МИФИ, 2002. – 496 с.
6. Ковалевский С.В., Гитис В.Б. Создание и применение нейронных сетей для решения прикладных задач: Учебно-методическое пособие. – Краматорск: ДГМА, 2005. – 80 c.
7. Боровиков В. П. Нейронные сети. Statistica neural networks: методология и технологии современного анализа данных. – М.: Горячая линия-Телеком. – 2008. – 392 с.
8. Вороновский Г. К. и др. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности. – Х.: ОСНОВА, 1997. – 112 с.
9. Галушкин А. И. Нейрокомпьютеры. Кн. 3: Учеб. пособие для вузов / Общая ред. А. И. Галушкина. – М.: ИПРЖР, 2000. – 528 с.
10. Галушкин А. И. Теория нейронных сетей. Кн. 1: Учеб. пособие для вузов / Общая ред. А. И. Галушкина. – М.: ИПРЖР, 2000. – 416 с.
11. Горбань А. Н. Обучение нейронных сетей. – М.: СП ПараГраф, 1991. – 394 с.
12. Евтихиев Н. Н., Оныкий Б. Н., Перепелица В. В., Щербаков И. Б. Математические модели и оптические реализации многослойных и полиномиальных нейронных сетей. – М.: Препринт/МИФИ, 1994. – 32 с.
13. Заенцев И. В. Нейронные сети: основные модели. Учебное пособие. – Воронеж: ВГУ, 2003. – 76 с.
14. Миркес Е. М. Нейроинформатика: Учебное пособие. – Красноярск: КГТУ, 2002. – 120 с.
15. Руденко О. Г., Бодянський Є. В. Штучні нейронні мережі: Навчальний посібник. – Харків: ТОВ «Компанія СМІТ», 2006. – 404 с.
Дата добавления: 2015-11-30; просмотров: 56 | Нарушение авторских прав