Добавил:
Upload
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:ген алг.doc
X
- •Персептрон Розенблатта.
- •Персептрон Розенблатта.
- •Теорема об обучении персептрона.
- •Линейная разделимость и персептронная представляемость
- •Лекция 5. Свойства процессов обучения в нейронных сетях.
- •Задача обучения нейронной сети на примерах.
- •Классификация и категоризация.
- •Обучение нейронной сети с учителем, как задача многофакторной оптимизации. Понятие о задаче оптимизации.
- •Постановка задачи оптимизации при обучении нейронной сети
- •Лекция 6. Многослойный персептрон.
- •Необходимость иерархической организации нейросетевых архитектур.
- •Многослойный персептрон.
- •Обучение методом обратного распространения ошибок.
- •Лекция 8. Модель Хопфилда.
- •Сети с обратными связями
- •Нейродинамика в модели Хопфилда
- •Правило обучения Хебба
- •Ассоциативность памяти и задача распознавания образов
- •Приложение 1. Компьютерное моделирование нейросетей.
- •Принципы разработки нейроимитаторов.
- •Постановка задачи в терминах нейронной сети.
- •Выбор и анализ нейроархитектуры, адекватной задаче.
- •Отбор данных и формирование обучающей выборки.
- •Разработка собственной программы или использование существующего нейроимитатора?
- •Анализ результатов.
- •Описание программы perc.
- •Текст программы perc.
- •Задачи.
Задачи.
1. При помощи программы PERC можно изучить зависимость решения от объема данных обучающей выборки. Это достигается изменением значения переменной Nimages в подпрограмме GetDataBase. Попробуйте объяснить ухудшение результатов теста при обучении с постепенным уменьшением числа образов.
2. Модифицируйте программы PERC и TEST, изменив тип переходной функции нейрона. Сравните результаты.
3. Проведите исследование зависимости скорости обучения от темпа (значение CEta) и начального значения весов (значение CInitWeight). Объясните полученные вами результаты.
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]