- •Разработка программных средств проектирования основных нейросетевых конфигураций
- •Моделирование работы однослойного персептрона
- •1. Общее описание работы
- •2. Домашнее задание Основы теории искусственных нейронных сетей. Принципы функционирования и моделирования персептрона
- •3. Лабораторное задание
- •4. Указания по оформлению отчета и контрольные вопросы
- •Обучение многослойного персептрона с помощью алгоритма обратного распространения ошибки
- •1. Общее описание работы
- •2. Домашнее задание Многослойный персептрон. Алгоритм обратного распространения ошибки
- •3. Лабораторное задание
- •4. Указания по оформлению отчета и контрольные вопросы
- •Моделирования алгоритмов обучения инс без учителя
- •1. Общее описание работы
- •2. Домашнее задание Алгоритмы обучения инс без учителя
- •3. Лабораторное задание
- •4. Указания по оформлению отчета и контрольные вопросы
- •Библиографический список
- •Содержание
- •Разработка программных средств проектирования основных нейросетевых конфигураций
- •394026 Воронеж, Московский просп., 14
3. Лабораторное задание
Для выполнения лабораторной работы необходимо:
Изучить теоретические основы проектирования алгоритмов обучения ИНС без учителя.
Разработать программные процедуры, реализующие сигнальный и дифференциальный алгоритмы обучения Хебба, алгоритм Кохонена.
Провести тестирование разработанных программных средств на выборке данных.
Сравнить алгоритмы обучения без учителя по быстродействию и скорости сходимости к эталонам.
4. Указания по оформлению отчета и контрольные вопросы
4.1. Отчет по лабораторной работе должен содержать:
наименование и цель работы;
описание алгоритмов обучения ИНС без учителя;
листинг программы;
результаты работы программы проектирования алгоритмов обучения ИНС без учителя.
4.2. Контрольные вопросы к лабораторной работе:
1. Для каких целей проводится нормализация вектора входных параметров при обучении по алгоритму Кохонена?
2. Как меняются веса синапсов по правилу обучения Хебба?
3. Объясните в чем суть метода выпуклой комбинации при настройке весов в алгоритме Кохонена?
4. Каковы основные отличия метода интерполяции от метода аккредитации в алгоритме Кохонена?
Библиографический список
Горбань А.Н. Нейронные сети на персональном компьютере / А.Н. Горбань, Д.А. Россиев. Новосибирск: Наука, 1996. 276 с.
Горбань А.Н. Обучение нейронных сетей / А.Н. Горбань. М.: Параграф, 1990. 160 с.
Круглов В. В. Искусственные нейронные сети: теория и практика / В.В. Круглов, В.В. Борисов. М.: Горячая линия, Телеком, 2001. 382 с.
Питолин А.В. Искусственные нейронные сети. Теория и практика: учеб. пособие / А.В. Питолин. Воронеж: ВГТУ, 2007. 124с.
Содержание
Лабораторная работа № 1……….……………………………………...1
Лабораторная работа № 2…………….………………………………...9
Лабораторная работа № 3………………...…………………………...15
Библиографический список …………………………………………..20
Разработка программных средств проектирования основных нейросетевых конфигураций
МЕТОДИЧЕСКИЕ УКАЗАНИЯ
к лабораторным работам по дисциплинам «Нейросетевые технологии», «Инженерия знаний» для студентов направлений 230100.68 «Информатика и вычислительная техника» (программа магистерской подготовки «Методы анализа и синтеза проектных решений»), 230400.68 «Информационные системы и технологии» (программа магистерской подготовки «Анализ и синтез информационных систем») очной формы обучения
Составитель: Питолин Андрей Владимирович
В авторской редакции
Подписано к изданию 22.05.2013.
Уч. - изд. л. 1,2 «С»
ФГБОУ ВПО «Воронежский государственный технический университет»
394026 Воронеж, Московский просп., 14