dr inż. Małgorzata Krętowska Wydział Informatyki PB Sztuczne sieci

dr in . Małgorzata Kr towska
Wydział Informatyki PB
Sztuczne sieci neuronowe
Pracownia specjalistyczna nr 12
Zakres materiału: Sieci samoorganizuj ce si . Mapy cech.
Zadania
Zad 1 Przeanalizowa działanie programu demonstracyjnego – uruchamianego z okna Pomocy:
• demolvq1 (Learning Vector Quantization)
Zad 2 Stworzy sie LVQ do analizy danych ps11_dane2_ucz.txt. Dobra liczb neuronów w sieci, aby
jako klasyfikacji sieci na zbiorze testowym ps11_dane2_tst.txt była najlepsza (przedstawi graficznie
otrzymane wyniki).
Zad 3 Przeanalizowa działanie programów demonstracyjnych – uruchamianych z okna Pomocy:
demosm1 (A One-dimensional Self-organizing Map)
demosm2 (A Two-dimensional Self-organizing Map)
Przeanalizowa kod programów demonstracyjnych
•
•
Zad 4 Przeanalizowa ró nice pomi dzy poszczególnymi topologiami sieci: gridtop, hextop, randtop.
Stworzy struktury dwuwymiarowe 4x6 i przedstawi jak wygl daj poł czenia neuronów dla powy szych
topologii.
Zad 5 Stworzy losowy dwuwymiarowy zbiór danych w przedziale [-1,1] przy i) równomiernym ; ii)
nierównomiernym (w zakresie od -0,5 do 0,5 wi ksza g sto punktów).
a) Utworzy map cech jednowymiarow
b) Utworzy map cech dwuwymiarowa z ro nymi topologiami (net.layers{1}).
Przedstawi graficznie pierwotne poło enie neuronów oraz uzyskane wyniki.
Zad 6* Stworzy map cech pozwalaj c rozwi za problem komiwoja era (poło enie miast losowe).
a) sprawdzi zachowanie si standardowego algorytmu; co nale y zmieni w algorytmie aby poprawnie
rozwi zywał problem komiwoja era?
b) zmodyfikowa funkcje ucz c learnsom: skopiowa plik learnsom.m do katalogu Work a nast pnie
modyfikowa jego kod. Zmodyfikowa odpowiednio parametry sieci, aby wywoływana była zmodyfikowana
funkcja.
*Zadanie dodatkowe
Opcje MATLABA:
Sie LVQ:
net=newlvq(minmax(P),liczba_neuronów (warstwa 1),[0.5 0.5],współczynnik
uczenia) - [0.5 0.5] – procentowy udział klas w danych
net=train(net,P,T) – uczenie sieci
T=ind2vec(Tc) – utworzenie wektora wzorcowego dla sieci, z wektora Tc
reprezentuj cego klasy poszczególnych elementów zbioru ucz cego, np. Tc=[1 1 1
2 2 3 3];
Yc=vec2ind(Y) – operacja odwrotna do powy szej;
Tworzenie mapy cech:
net = newsom(minmax(P), [liczna neuronów]) – stworzenie mapy jednowymiarowej
net = newsom(minmax(P), [liczba kolumn liczba wierszy]) – mapa dwuwymiarowa
Wyznaczanie poł cze miedzy neuronami w topologii gridtop:
pozycja=gridtop(liczba kolumn, liczba wierszy)
plotsom(pozycja)
C=[A B]
- ł czenie tabel A i B (liczba wierszy powinna by
jednakowa)