Цель работы. Целью настоящей лабораторной работы является изучение и использование нейронных сетей

Целью настоящей лабораторной работы является изучение и использование нейронных сетей

Задания для понимания процесса обучения.

1. При помощи программы PERC можно изучить зависимость решения от объема данных обучающей выборки. Это достигается изменением значения переменной Nimages в подпрограмме GetDataBase. Попробуйте объяснить ухудшение результатов теста при обучении с постепенным уменьшением числа образов.

2. Проведите исследование зависимости скорости обучения от темпа (значение CEta) и начального значения весов (значение CInitWeight). Объясните полученные вами результаты.

3.Модифицируйте программы PERC и TEST, изменив тип переходной функции нейрона. Сравните результаты.

4.программа позволяет использовать несколько нейронов- модифицируйте и опишите результат.

Задания для понимания

NImages: = 200; итераций 253; ошибка 0, 00497463311542248

ВОПРОС ОТВЕТ ВЕРНЫЙ ОТВЕТ

-----------------------------------------------

0 1 0 1 0 0 1 0 1 1 0.01 0

1 0 1 0 1 0 1 1 0 1 0.69 1

0 0 0 0 1 1 1 1 1 1 0.40 1

1 0 0 0 0 1 1 0 1 0 0.00 0

1 1 1 0 0 0 0 0 0 1 0.00 0

1 0 1 1 0 0 0 0 0 1 0.00 0

1 0 1 1 0 1 1 1 0 0 1.00 1

0 1 0 0 1 1 0 0 0 1 0.00 0

1 1 1 1 1 0 1 1 1 0 1.00 1

0 1 1 1 1 1 1 1 0 0 1.00 1

0 0 1 0 1 0 0 1 0 0 0.00 0

0 1 1 1 0 1 1 1 1 0 1.00 1

1 1 0 0 0 0 0 0 1 1 0.00 0

0 0 1 1 1 1 0 0 0 0 0.00 0

1 1 0 1 1 0 1 0 0 1 0.93 1

-------------------------------------------------

NImages: = 150; итераций 274; ошибка 0, 00499238756150247

0 1 1 0 1 1 0 1 1 1 1.00 1

0 0 1 1 0 1 1 0 1 0 0.04 0

1 1 1 0 1 0 0 0 0 1 0.00 0

0 1 0 1 0 0 0 0 1 1 0.00 0

0 1 0 1 1 1 0 1 1 0 0.98 1

0 1 1 1 0 0 0 1 0 1 0.04 0

0 0 1 0 0 0 0 1 1 1 0.00 0

0 1 1 0 0 0 0 1 1 1 0.00 0

1 0 1 0 1 0 1 0 1 0 0.00 0

1 0 0 0 0 0 1 1 0 1 0.00 0

0 0 0 1 1 1 1 1 1 0 0.97 1

0 1 1 0 0 0 0 1 1 1 0.00 0

0 1 1 0 1 1 0 0 0 1 0.00 0

0 0 0 1 1 1 1 0 1 0 0.01 0

1 0 0 1 0 0 0 0 1 0 0.00 0

NImages: = 100; итераций 380; ошибка 0, 00499408898062418

1 0 1 0 0 0 1 0 1 0 0.00 0

0 1 1 0 1 0 1 0 0 1 0.00 0

1 0 0 0 1 1 1 0 1 1 0.65 1

1 1 0 1 1 0 0 0 1 0 0.10 0

1 1 1 0 1 0 0 0 0 0 0.00 0

1 0 1 0 0 1 0 1 1 1 0.98 1

1 1 0 1 0 1 0 0 0 0 0.00 0

1 1 1 1 0 0 1 1 0 0 1.00 1

1 1 0 1 1 1 1 0 1 1 1.00 1

0 0 1 1 1 0 1 1 1 0 0.96 1

1 1 0 0 1 0 0 0 0 1 0.00 0

0 0 0 0 1 1 1 0 1 1 0.00 0

0 0 1 1 1 1 0 1 0 0 0.03 0

1 0 1 1 1 1 1 1 0 0 1.00 1

1 1 0 0 1 1 1 1 1 1 1.00 1

При уменьшении количества образов обучение происходит более медленно ошибка увеличивается

Зависимость обучения от темпа и весового коэфициента:

CEta = 0.75; CInitWeight = 5.0;

228 итераций. Ошибка 0, 00498336426826122

1 0 1 0 1 0 1 0 1 0 0.01 0

0 0 1 0 1 1 0 0 1 1 0.01 0

0 1 0 1 1 0 1 0 0 0 0.00 0

0 1 0 1 1 0 1 0 0 0 0.00 0

0 1 1 0 1 1 0 1 1 0 0.99 1

1 0 0 1 1 1 0 1 0 1 0.99 1

0 1 0 0 0 1 0 0 0 0 0.00 0

0 1 0 1 0 1 1 0 1 1 0.98 1

0 1 0 1 1 1 1 0 1 0 0.98 1

1 1 0 0 1 0 0 1 0 0 0.00 0

1 0 0 1 0 0 0 1 0 1 0.00 0

1 0 1 1 1 0 0 1 0 1 0.99 1

0 0 1 1 1 0 1 1 1 1 1.00 1

1 1 0 1 0 0 1 0 1 1 0.98 1

1 1 1 1 1 0 0 1 1 1 1.00 1

CEta = 0.5; CInitWeight = 5.0;

338 итераций, ошибка 0, 00498840294469534

0 0 0 0 0 1 1 0 0 0 0.00 0

1 1 1 1 0 1 1 1 1 1 1.00 1

0 1 0 1 1 0 1 1 0 1 0.99 1

0 0 1 1 1 0 0 0 1 0 0.00 0

0 1 1 1 0 1 0 0 0 1 0.01 0

1 0 0 1 1 0 1 1 0 0 0.02 0

1 1 0 0 1 1 1 1 1 0 1.00 1

1 0 1 0 0 0 1 0 1 0 0.00 0

0 0 0 0 1 1 0 1 0 1 0.00 0

1 0 0 1 0 0 0 1 1 0 0.00 0

1 1 1 1 0 0 1 0 0 0 0.01 0

1 1 1 0 1 0 1 0 1 0 0.99 1

1 1 1 0 0 1 1 0 1 1 1.00 1

0 0 0 0 1 1 0 0 1 0 0.00 0

0 1 0 1 1 1 0 0 0 0 0.00 0

CEta = 0.5; CInitWeight = 3.0;

355 итерации; ошибка 0, 00499332751048008

1 0 1 1 0 0 1 1 0 1 0.98 1

1 0 0 0 1 0 1 1 1 0 0.01 0

0 1 1 1 1 0 0 1 1 0 0.99 1

0 1 1 0 0 1 1 0 1 1 0.99 1

0 0 1 0 0 1 0 1 0 0 0.00 0

1 0 0 1 0 0 0 1 1 0 0.00 0

0 0 0 1 0 1 1 1 0 1 0.01 0

0 0 0 1 1 0 1 1 0 1 0.01 0

1 0 1 1 0 1 0 0 1 1 0.98 1

0 1 0 1 1 0 1 0 1 0 0.01 0

1 0 0 0 0 0 1 1 0 0 0.00 0

0 0 0 1 0 0 1 1 1 1 0.01 0

0 1 0 0 1 0 0 0 0 0 0.00 0

0 1 0 0 1 0 0 0 1 0 0.00 0

0 1 0 1 0 0 1 1 0 1 0.01 0

При уменьшении темпа обучения и начального значения весов программа обучается медленнее ошибка обучения увеличивается.

Вывод: Изучили и научились использовать нейронные сети.

Практическая работа №3

Построение базы знаний

Получение знаний о предметной области.

Цель: Освоение технологии построения базы знаний простейшей экспертной системы, построенной на знаниях об определённой предметной области.

Задачи: Каждый студент исследует одну предметную область и решает три задачи:

1. Выбрать предметную область, в которой вы можете выступить экспертом

2. получение знаний, описание поля знаний о предметной области(ПО),

3. формализации знаний в выбранной модели представления знаний

4. и создание базы знаний и программная реализация базы знаний экспертной системы.

Предметная область выбирается самостоятельно и согласуется с преподавателем или выбирается вариант из приложения:

Предметная область: Идентификация транспортного средства (велосипед, мотоцикл, мотоцикл с коляской, мотороллер, телега, карета, автобус, грузовик, легковой автомобиль).