- •Цели и задачи
- •Лабораторный практикум лабораторная работа 1
- •1.1 Теоретические сведения. Основные понятия
- •1.2 Пример создания онтологии в системе Protégé
- •1.2.1 Постановка задачи
- •1.2.2 Создание онтологии в системе Protégé
- •Содержание работы
- •Лабораторная работа 2
- •2.1 Теоретические сведения. Основные понятия
- •2.2 Алгоритм обратного распространения ошибки
- •2.3 Построение нейронной сети в Deductor Studio 4.4
- •Содержание работы
- •Лабораторная работа 3
- •3.1 Теоретические сведения. Основные понятия
- •3.1.1 Операции над нечёткими множествами
- •Результатом вычитания, как и в случае отрицания, становится размерность множества, а не значения его координат.
- •3.1.2 Операции над нечёткими отношениями
- •3.2 Создание нечёткой экспертной системы в пакете CubiCalc
- •Содержание работы
- •Лабораторная работа 4
- •4.1 Теоретические сведения. Основные понятия
- •4.1.1 Программные средства реализации генетических алгоритмов
- •4.1.2 Задача о коммивояжере
- •4.2 Решение задачи о коммивояжере в GeneHunter
- •Содержание работы
- •Список рекомендуемой литературы
2.3 Построение нейронной сети в Deductor Studio 4.4
Deductor Studio содержит полный набор механизмов импорта, обработки, визуализации и экспорта данных для быстрого и эффективного анализа информации. Реализованные в Deductor Studio механизмы позволяют в рамках одного приложения пройти весь цикл анализа данных – получить информацию из произвольного источника, провести необходимую обработку (очистку, трансформацию данных, построение моделей), отобразить полученные результаты наиболее удобным образом (OLAP, таблицы, диаграммы, деревья решений и др.) и экспортировать результаты.
Построение НС в системе Deductor Studio происходит в несколько этапов (в примере реализуется НС, суммирующая числа обучающего набора):
1) Статистическая информация, предназначенная для последующего обучения сети, представляется в формате файла .xls (таблица MS Excel) (см. рис. 2.2).
Рис. 2.2 – Представление обучающего набора данных
2) Готовый файл с набором обучающих данных загружается в Deductor Studio (Сценрии → Мастер импорта → MS Excel → Далее):
Рис. 2.3 – Импорт обучающего набора данных
3) Выбирается база данных (Excel-файл с содержащейся в нем статистикой), строится нейронная сеть: MS Excel → Мастер обработки → Нейросеть → Далее.
4) С помощью запустившегося мастера полученная нейросеть необходимым образом настраивается.
Шаги 3-7 мастера настройки сети изучите самостоятельно.
При определении способа отображения необходимо выбрать способ «Что-если» (см. рис. 2.4).
Рис. 2.4 – Выбор способа отображения
5) Далее, на вкладке «Что-если», путем задания случайных входных значений проверяется работа нейросети (см. рис. 2.5).
Рис. 2.5 – Проверка работы нейросети
Содержание работы
1. Получить номер варианта у преподавателя.
2. Продемонстрировать преподавателю обучение НС методом ОРО (два прямых прохода и два обратных) согласно варианту.
-
вариант
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Входные значения
1
10
1
8
1
4
2
10
2
5
1
4
1
5
3
2
5
3
2
4
2
2
2
3
5
5
1
6
2
4
Выход
2
7
4
5
3
2
1
2
6
2
3
3
4
4
2
вариант
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Входные значения
10
1
6
2
3
1
9
9
7
6
1
1
6
2
3
1
7
3
7
7
9
2
5
6
6
7
9
3
7
7
Выход
1
3
8
4
6
7
3
5
4
2
8
3
5
3
5
3. Согласно варианту, выданному для выполнения лабораторной работы №1, реализовать в аналитической платформе Deductor Studio нейронную сеть с двумя входными, двумя скрытыми и одним выходным слоями. Скорректировать количество нейронов в скрытом слое, количество слоев и количество шагов обучения с целью повышения надежности и достоверности нейронной модели. Проанализировать результаты работы нейросетей различной архитектуры.
Требования к отчету
Отчет о проделанной работе должен содержать:
название работы, ее задачи и описание последовательности выполнения;
расчеты обучения нейронной сети согласно варианту;
реализацию нейронной сети в аналитической платформе Deductor Studio.
Контрольные вопросы
Дайте определение понятиям искусственного нейрона, искусственной нейронной сети.
Поясните структурную схему модели искусственного нейрона.
Что такое алгоритм обучения нейронной сети?
Поясните механизм обучения с учителем, обучения без учителя.