Студенческий документ № 00113350 из БГТУ «Военмех»

Пользователь чт, 20.10.2016 01:42

БАЛТИЙСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ "Военмех" им. Д.Ф. Устинова Лабораторная работа №1 Системы искусственного интеллекта. "Нейронные сети" Выполнил ст. гр. А-111: Говорков Д.А. Проверил: Маслов А. А.

Санкт-Петербург 2015 г. Часть 1: Сеть персептрон 1.1Цель и содержание работы: Изучение архитектуры персептрона и специальных функций для создания персептрона, настройки его весов и смещений и адаптации,ознакомление с демонстрационными примерами, а также приобретение навыков построения и обучения персептронов для различных областей применения

1.2Теоретические сведения Персептрон - это однослойная нейронная сеть с S нейронами и R входами, каждый из которых может состоять из нескольких элементов. Помимо основных входов, нейроны персептрона имеют вход для постоянного смещения, равного единице.

Создание персептрона производится следующей функцией: net = newp(PR, S), где net - объект класса network; PR - массив размера Rx2 минимальных и максимальных значений для R векторов входа; S - число нейронов персептрона;

Обучение персептрона производится с помощью функции адаптации adapt, которая корректирует веса и смещения по результатам обработки каждой пары входных и выходных значений (обучение с учителем). Применение функции adapt гарантирует, что любая задача классификации с линейно отделимыми векторами будет решена за конечное число циклов настройки. Функция обучения train, когда настройка параметров сети выполняется не после каждого прохода, а в результате всех проходов обучающего множества, в ряде случаев не обеспечивает сходимости процесса настройки, поэтому не используется для обучения персептрона.

Адаптация персептрона производится функцией-методом adapt(net,P,T), где P - входные векторы; T - целевые значения. Процесс адаптации продолжается до тех пор, пока не будет достигнуто требуемое значение критерия качества обучения в виде средней абсолютной ошибки, вычисляемой функцией SSE.

Задача: Создать персептрон с одним нейроном и одним двухэлементным вектором входа, значения элементов которого изменяются в диапазоне от -2 до 2. Затем обучить сеть пока текущий вход не станет равным целевому значению.

Скачать файлы