метдичка 1 и 2
.docxЛабораторная 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.
-
Какие изменения происходят в нейросети при обучении?
-
Этапы создания нейросетевой модели в оболочке NeuroShell?
-
Какие архитектуры сетей поддерживает NeuroShell?
-
Чем отличаются NeuroShell и NeuroWindows?
-
Настройки обучения и тестирования нейросетей.
-
Как рассчитывается ошибка цикла обучения нейросети?
-
Как обучается нейросеть в задаче выделения амплитуды из зашумленного сигнала?
-
Как обучается нейросеть в задаче прогнозирования индексов?
-
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.
-
Что такое ген?
-
На каком этапе генетического алгоритма в нескольких случайно выбранных особях нового поколения изменяются некоторые гены?
3. По какому принципу выбирается индивидуум для скрещивания?
-
Какие этапы включает в себя генетический алгоритм?
-
На сколько точные решения получаются в результате работы генетического алгоритма и с чем это связано?
-
На основе какой функции строится функция приспособленности?
-
Перечислите критерии остановки генетического алгоритма.
-
В чем заключается принцип критерия остановки генетического алгоритма по ошибке?
-
Назовите 3 условия применимости генетического алгоритма для задач, связанных с поиском оптимального решения.
-
Какие методы отбора в генетическом алгоритме вы знаете?
-
При каком методе отбора обязательно будут выживать лучший или лучшие члены популяции?
-
В чем различие между одноточечным и двухточечным кроссовером?
-
Как называется численность популяции в терминологии генетического алгоритма?
-
Как называется скрещивание в терминологии генетических алгоритмов?
-
Каковы цели отбора с вытеснением?
-
В чем основное различие между целевой функции и функцией приспособленности?
-
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.