Подякувати Студентському архіву довільною сумою
Admin
26.02.2023 12:38
Дякуємо, що користуєтесь нашим архівом!
Нейронні мережі
Інформація про навчальний заклад
ВУЗ:
Національний університет Львівська політехніка
Інститут:
Не вказано
Факультет:
Не вказано
Кафедра:
Кафедра електронних обчислювальних машин
Інформація про роботу
Рік:
2006
Тип роботи:
Звіт про виконання лабораторної роботи
Предмет:
Організація інтелектуальних обчислень
Група:
КІ-44
Частина тексту файла (без зображень, графіків і формул):
Міністерство освіти і науки України
Національний університет „Львівська політехніка”
Кафедра електронних
обчислювальних машин
Звіт
про виконання лабораторної роботи № 1
з курсу „ Організація інтелектуальних обчислень ”
Тема:
Нейронні мережі
Мета роботи: Ознайомитися із структурою штучних нейронних мереж, дослідити роботу програми Neural Network Wizard по начванню нейронної мережі.
Теоретична частина
Нейронні мережі – це самонавчальні системи, імітуючі діяльність людського мозку. Розглянемо докладніше структуру штучних нейронних мереж (ШНМ) і їхнє застосування в конкретних задачах.
Незважаючи на велику розмаїтість варіантів нейронних мереж усі вони мають загальні риси. Так усі вони, також як і мозок людини, складаються з великого числа однотипних елементів – нейронів імітуючих нейрони головного мозку і зв'язані між собою. На рис.1. показана схема нейрона
(1)
З рис.1. видно, що штучний нейрон, так само як і живий, складається із синапсів, що зв'язують входи нейрона з ядром, ядра нейрона, яке здійснює обробку вхідних сигналів і аксона, що зв'язує нейрон з нейронами наступного шару. Кожен синапс має вагу, яка визначає наскільки відповідний вхід нейрона впливає на його стан. Стан нейрона визначається за формулою:
де n - число входів нейрону, xi – значення i-го входу нейрона, wi – вага i-го синапсу
Потім визначається значення аксона нейрона за формулою:
Y=f(S)
(2)
де f - деяка функція, що називається активаційною.
Виконання роботи
Множина вхідних даних для навчання нейтронної мережі.
result обчислюється за наступною формулою: result = 10*x / (3+y).
x y result _
29 0 96.66666667
7 23 2.692307692
18 13 11.25
15 28 4.838709677
27 14 15.88235294
23 12 15.33333333
14 26 4.827586207
0 16 0
25 6 27.77777778
13 20 5.652173913
19 25 6.785714286
24 0 80
28 21 11.66666667
22 11 15.71428571
5 25 1.785714286
x y result _
12 15 6.666666667
28 21 11.66666667
28 13 17.5
12 9 10
27 5 33.75
1 5 1.25
10 21 4.166666667
25 9 20.83333333
0 16 0
4 4 5.714285714
6 21 2.5
6 11 4.285714286
18 26 6.206896552
8 26 2.75862069
6 18 2.857142857
Вікна програми Neural Network Wizard під час роботи по заданню вхідних наборів даних і параметрів та під час навчання:
Висновки: виконуючи дану лабораторну роботу я досліджував роботу нейронних мереж за допомогою стимулятора Neural Network Wizard. На покращення навчання мережі впливає час навчання і, особливо, кількість та правильність вхідних наборів даних, поданих для навчання. Я помітив, що при нерівномірному розподілі вхідних даних, із збільшенням тривалості навчання результати навіть погіршуються.
Ділись своїми роботами та отримуй миттєві бонуси!
0%
Оголошення від адміністратора