dr inż. Małgorzata Krętowska Wydział Informatyki PB Sztuczne sieci
Transkrypt
dr inż. Małgorzata Krętowska Wydział Informatyki PB Sztuczne sieci
dr in . Małgorzata Kr towska Wydział Informatyki PB Sztuczne sieci neuronowe Pracownia specjalistyczna nr 10-11 Zakres materiału: Sieci Hopfielda. Sieci samoorganizuj ce si . Zadania Zad 1 Napisa funkcj analizuj c zachowanie sieci Hopfielda jako pami ci asocjacyjnej w rozpoznawaniu liter (A-Z) a) Sprawdzi jaka jest zale no pomi dzy poziomem zaszumienia danych (proc_szum = 0.0:0.05:0.5) a liczb poprawnych odpowiedzi sieci dla poszczególnych liter. b) Które litery s najmniej stabilne, które najbardziej. Jakie s najcz stsze niepoprawne stany stabilne dla poszczególnych liter? (Uwaga: zamieni reprezentacj liter (0; 1) na (-1;1); do uzyskanych wyników zastosowa funkcj hardlims) Zad 2 Przeanalizowa działanie programu demonstracyjnego – uruchamianego z okna Pomocy: democ1 (Competitive Learning) • Zad 3 Stworzy samoorganizujac si sie neuronow do problemu klasyfikacji danych ps11_dane1.txt. a) Z ilu neuronów powinna składa si sie ? b) Przedstawi graficznie punkty ze zbioru danych oraz poło enie poszczególnych neuronów przed i po procesie uczenia. Zad 4* Bazuj c na danych z zadania 2 zbudowa sie z wi ksz liczb neuronów. a) Ustawi warto ci wag dodatkowego (-ych) neuronów na warto ci odbiegaj ce od warto ci danych wej ciowych wył czy uczenie warto ci progowych (net.biases{1}.learnFcn=''). Przeanalizowa jak zachowuj si poszczególne neurony sieci? b) Utworzy now sie z parametrami jak w punkcie a) bez wył czania uczenia warto ci progowych. Przeanalizowa jak zachowuj si poszczególne neurony sieci? Co uzyskujemy dzi ki wprowadzeniu mo liwo ci modyfikowania warto ci progowych? * Zadanie dodatkowe Opcje MATLABA: prprob() - funkcja zwracaj ca litery alfabetu wraz z wektorami wzorcowymi plotchar(alphabet(:,i)) – graficzna reprezentacja liter litera_i=alphabet(:,i)+randn(35,1)*proc_szum – dodawanie losowych zakłóce liter na poziomie proc_szum do net = newhop(P) – tworzenie sieci Hopfielda, P zbiór danych Sie samoorganizuj ca si : net = newc(minmax(P),liczba_neuronów,współczynnik uczenia) – tworzenie sieci samoorganizuj cej si , gdzie P dane ucz ce