метдичка 1 и 2

Лабораторная работа №1 «Демонстрация применения и работы нейросетей».

Задание:

• изучить области применения нейросетей по демонстрационным примерам;

• сформулировать типы задач, решаемых с использованием нейросетей;

• составить таблицу, включив в нее все рассмотренные в примерах архитектуры 

тип задачи

архитектура нейросети

• для указанных в варианте архитектур нарисовать схему сети и привести краткие описания.

• По демонстрационному примеру изучить возможности оболочки NeuroShell.

• По демонстрационному примеру изучить работу нейросети.

Вопросы для проверки.

1. Какие изменения происходят в нейросети при обучении?

2. Этапы создания нейросетевой модели в оболочке NeuroShell?

3. Какие архитектуры сетей поддерживает NeuroShell?

4. Чем отличаются NeuroShell и NeuroWindows?

5. Настройки обучения и тестирования нейросетей.

6. Как рассчитывается ошибка цикла обучения нейросети?

7. Как обучается нейросеть в задаче выделения амплитуды из зашумленного сигнала?

8. Как обучается нейросеть в задаче прогнозирования индексов?

9. Как обучается нейросеть в задаче аппроксимации зависимостей?

В отчет включить краткое описание рассмотренных задач, сформированную таблицу, ответы на вопросы.

 

Лабораторная работа №2 «Демонстрация работы генетических алгоритмов».

Задание (GeneHuntere demo):

• изучить работу демонстрационных примеров;

• сформулировать типы задач, решаемых с использованием генетических алгоритмов;

• ответить на вопросы;

• определить, как в предлагаемых примерах параметры алгоритма влияют на результат;

• исходя из постановки задачи, данной преподавателем, сформировать в Excel набор данных для их использования в GeneHuntere.

 

На основе приведенного примера сформулировать в терминах генетических алгоритмов (в Excel) задачу о распределении инвестиций:

Пусть имеется некоторый капитал R, который нужно распределить между несколькими проектами с целью получения максимального дохода через определенный срок. Для каждого проекта задана функция дохода, приносимого проектом за этот срок, в зависимости от вложенной суммы. Вкладывать в проект слишком большую сумму запрещено. В данной задаче целевой функцией является суммарная прибыль от инвестиций, а управляемыми параметрами — объемы вложений в каждый из проектов.         

Вопросы.

1. Что такое ген?

2. На каком этапе генетического алгоритма в нескольких случайно выбранных особях нового поколения изменяются некоторые гены?

3.      По какому принципу выбирается индивидуум для скрещивания?

4. Какие этапы включает в себя генетический алгоритм?

5. На сколько точные решения получаются в результате работы генетического алгоритма и с чем это связано?

6. На основе какой функции строится функция приспособленности?

7. Перечислите критерии остановки генетического алгоритма.

8. В чем заключается принцип критерия остановки генетического алгоритма по ошибке?

9. Назовите 3 условия применимости генетического алгоритма для задач, связанных с поиском оптимального решения.

10. Какие методы отбора в генетическом алгоритме вы знаете?

11. При каком методе отбора обязательно будут выживать лучший или лучшие члены популяции?

12. В чем различие между одноточечным и двухточечным кроссовером?

13. Как называется численность популяции в терминологии генетического алгоритма?

14. Как называется скрещивание в терминологии генетических алгоритмов?

15. Каковы цели отбора с вытеснением?

16. В чем основное различие между целевой функции и функцией приспособленности?

17. Какие типы задач, решаются с помощью генетических алгоритмов?

 

В отчет включить список задач, решаемых генетическими алгоритмами, файл формата Excel, с данными для решения задачи распределения инвестиций в программе GeneHunter, ответы на вопросы.