close

Вход

Забыли?

вход по аккаунту

?

Отчет 2 лаба СИИ

код для вставкиСкачать
МІНІСТЕРСТВО ОСВІТИ І НАУКИ, МОЛОДІ ТА СПОРТУ УКРАЇНИ
ХАРКІВСЬКИЙ НАЦІОНАЛЬНИЙ ЕКОНОМІЧНИЙ УНІВЕРСИТЕТ
Кафедра інформаційних систем
Звіт
з лабораторної роботи №2
з дисципліни "Системи штучного інтелекту"
за темою: "Рішення задач розпізнавання образів багатовимірних об'єктів за допомогою нейронних мереж"
Виконав:
студент 4 курсу, 7 групи
факультету ЕІ
Латенко А.В.
Перевірив:
к.т.н, доцент
Дорхов О.В.
Харків, 2011
Лабораторна робота №2
Мета роботи: Закріпити теоретичний лекційний матеріал, освоїти методику побудови, навчання, оцінки і застосування нейронної мережі типу MLP з використанням різних повчальних алгоритмів при моделюванні і рішенні задач розпізнавання образів багатовимірних об'єктів з використанням інструментальних засобів пакету Statistica Neural Networks. Завдання 1
Побудуйте, навчіть, оцініть і застосуйте нейронну мережу для вирішення задачі класифікації ураганів за ознаками їх довготи (LONGITUDE) і широти (LATITUDE). Знайдіть найпростішу і якісну архітектуру мережі, підберіть підходящий алгоритм навчання або їх сукупність. Проаналізуйте простіші і складніші мережі в порівнянні з тією, яка являється кращою знайденою вами мережею. Архітектуру мережі, вміст мережевого набору, застосовані алгоритми навчання і їх характеристики, а також ваші висновки і рекомендації, зроблені за за результатами виконання роботи помістити в звіт.
Завдання 2
Відповідно до варіанту завдання (табл. 5) створіть набір даних, відповідний таблиці істинності булевої функції. Кількість входів мережі прийміть рівною кількості аргументів булевої функції. За допомогою програми Statistica Neural Networks побудуйте і навчіть нейронну мережу, що реалізовує задану булеву функцію. Вагові коефіцієнти для елементів першого шару ініціалізуйте методом [Uniform(-1,1),Linear], для решти шарів - методом [Gaussian(0,1)]. Для всіх варіантів вибрати: для першого шару PSP-"Linear", Act fn - "Linear"; для всієї решти шарів: PSP - "Linear", Act fn - "Logistic"; функція помилки - "Sum-squared". Виберіть і обгрунтуйте підходящий алгоритм навчання мережі. Структуру мережі, її настройки, і результати навчання, а також зроблені на їх основі висновки і рекомендації помістити в звіт.
Хід роботи
Завдання 1
Рис.1 Вікно вибору версії майстра IPS
Рис.2 Вікно вибору типу вирішуваної задачі
Рис.3 Вибір вихідної змінної
Рис.4 Вибір вхідних змінних
Рис.5 Вікно розподілу зразків по піднаборах даних
Рис.6 Вікно вибору верхнього і нижнього порогів, використовуваних мережею для віднесення вхідного зразка до одного з наявних класів
Рис.7 Вікно вибору кількості елементів в прихованих шарах для мереж вибраних типів
Рис.8 Вікно вибору тривалості процедури пошуку нейронних мереж
Рис.9 Вікно вибору настройок мережевого набору і процедури відбору і збереження в ньому знайдених мереж
Рис.10 Отриманий результат
Оптимізуємо отриману мережу, повторивши кроки мастера та встановивши режим пошуку мереж за часом (встановлюємо 3 хвилини) та запускаємо на виконання.
Отримуємо 10 мереж Рис.11 Отриманий результат оптимізованої мережі
Рис.12 Діаграма кластерів
Перевіряємо роботу мережі на інших даних
Завдання 2
Рис.14 Створюємо набір вхідних даних
Рис.15 Призначення змінній VAR3 множини імен класів
Рис.16 Набір даних з номінальною змінною Y
Рис.17 Вікно помічника побудови мережі
Рис.18 Настройки шарів мережі
Рис.19 Настройки пре/пост входів і виходів мережі
Рис.20 Умови останову та параметри алгоритму Back Propagation
Рис.21 Додаємо мережу до мережевого набору
Рис.22 Додаємо мережу до мережевого набору
Рис.23 Підсумковий графік помилок
Рис.24 Стовбчаста діаграма з помилками мережі на конкретних зразках відразу після закінчення останньої епохи навчання
Рис.25 Додавання навченої мережі до мережевого набору
Рис.26 Статистика класифікації
Рис.27 Представлення Variables. Класифікація зразка 2 виконана правильно
Висновки: у результаті виконання лабораторної роботи був створений тренувальний набір даних для навчання нейронної мережі для реалізації булевої функції. Навчання проводилось за допомогою алгоритму Back Propogation.
За допомогою інструменту "Intelligent problem solver" середовища "Statistica Neural Networks" створений набір нейронних мереж для вирішення задачі класифікації ураганів. Обрана оптимальна нейронна мережа - тришаровий персепторн.
2
Документ
Категория
Рефераты
Просмотров
38
Размер файла
1 502 Кб
Теги
сии, лаба, отчет
1/--страниц
Пожаловаться на содержимое документа