Практична комп’ютерна робота 1. Штучний нейрон та функції активації. Модель штучного нейрона
Мета роботи – ознайомитися з будовою штучного нейрона та нейронних мереж.
1. Порядок виконання практичної роботи
1. Вивчити теоретичне введення.
2. Послідовно виконати всі завдання до практичної роботи.
3. Відповісти на контрольні запитання
2. Задання до практичної роботи
1.
Створити
НМ
з прямою передачею сигналу
та навчити її виконувати обчислення
функції
,
якщо
задано вектори входу p=[1
0.5 0 1; -2 0 0.5 1], цілі (бажане значення
виходу) Т=[-1 0.25 0.5 2].
2. Створити НМ на основі персептрону, яка розділяє вектори входу на два класи {0, 1}. Послідовність навчання сформувати у вигляді двох масивів: масиву входів Р={[2; 2] [1; 2] [-2; 2] [-1; 1] [1;-2]} і масиву цілей Т={0 0 1 1 1}, який задає належність кожного вектора входу до визначеного класу. Виконати цю операцію в робочій області системи MATLAB та імпортувати одержаний результат в робочу область GUI.
3. Контрольні запитання та завдання
1. Модель нейрона.
2. Спеціальний графічний інтерфейс користувача: його призначення.
3. Як в системі MatLab зображуються нейрон із декількома входами; шар нейронів; нейронна мережа, яка складається з трьох шарів; рекурентна мережа.
4. Які принципи використовуються при виборі архітектури мережі?
5. Опишіть основні функції активації, реалізовані в пакеті Neural Network Toolbox (NNT).
Практична комп’ютерна робота 2. Бінарний персептрон та його використання при розв’язанні задачі класифікації векторів
Мета роботи: вивчити принцип функціонування та навчання мережі на основі персептрону.
1. Порядок виконання практичної роботи
1. Вивчити теоретичне введення.
2. Послідовно виконати всі завдання до практичної роботи.
3. Відповісти на контрольні запитання
2. Задання до практичної роботи
1. Визначити площину, що розділяє вектори входу на два класи {0, 1} відповідно до заданої функції y(x1,x2,x3). Обґрунтувати можливість застосування мережі на основі персептрону для розв’язання завдання.
Етапи виконання:
1. Визначити таблицю істинності для заданої функції
2. Моделювання НМ на основі визначення її параметрів за допомогою GUI NNT.
3. Реалізація методів навчання мереж на основі персептрону в середовищі MatLab та на мові C++
3. Зміст звіту по практичній роботі (№1-2)
1. Назва та мета роботи.
2. Завдання.
3. Приклад розв’язання завдання.
4. Контрольні запитання та завдання
1. Модель нейрона типу персептрон з одним та декількома входами.
2. Правило навчання персептрону.
Варіанти завдань: визначити площину, що розділяє вектори входу на два класи відповідно до заданої функції
№ варіанта |
Логічна функція |
1 |
y = x1 x2 x3 |
2 |
y = (x1 x2) x3 |
3 |
y = (x1 x2) x3 |
4 |
y = (x1 x2 x3) |
5 |
y = (x1 x2) x3 |
6 |
y = x1 (x2 x3) |
7 |
y = x1 (x2 x3) |
8 |
y = x1 (x2 x3) |
9 |
y = x1 (x2 x3) |
10 |
y = (x1 x2) x3 |
11 |
y = (x1 x2) x3 |
12 |
|
13 |
|
Практична комп’ютерна робота 3-4. Лінійний асоціатор на основі правила Хеба та псевдооберненого правила
Мета роботи:
1) вивчити принцип функціонування лінійного асоціатора на основі правила Хеба та псевдооберненого правила;
2) розв’язати задачу розпізнавання зображень.