"Е.М.Миркес. Учебное пособие по курсу Нейроинформатика " - читать интересную книгу автора

Лабораторная " 6

Цель работы. Контрастирование нейронных сетей
Используемые программы. Лабораторная выполняется на программе Sigmoid.
Задание. В лабораторной работе требуется провести контрастирование
обученной нейронной сети с целью минимизации числа синаптических связей и
сравненить надежности функционирования контрастированной и
неконтрастированной нейронных сетей. Основные этапы выполнения работы:
1. Формирование задачника.
2. Обучение нейронной сети.
3. Тестирование обученной нейронной сети.
4. Контрастирование обученной нейронной сети.
5. Тестирование контрастированной нейронной сети.
6. Анализ полученных результатов.
Контрастирование нейронной сети проводится до получения минимальной
нейронной сети - сети из которой нельзя удалить ни одной связи.
В отчет включаются все полученные результаты (число тактов при обучении
сети и результаты статистического теста для всех видов оценки). На основе
анализа полученных результатов необходимо сформулировать рекомендации по
использованию исследованных оценок.


Лабораторная " 7

Цель работы. Сравнить сети использующие различные виды нейронов.
Используемые программы. Лабораторная выполняется на программах Sigmoid,
Pade, Sinus.
Задание. Необходимо обучить нейронные сети, реализованные в программах
Sigmoid, Pade и Sinus с максимальным уровнем надежности. Для программы
Sigmoid (сигмоидная сеть) максимальным, но недостижимым уровнем надежности
является 2. На практике удается обучить сеть с уровнем надежности 1,9-1,98.
Для Паде сети (программа Pade) нет ограничения на достижимый уровень
надежности, однако в программе установлено ограничение на уровень
существенности - 200. В программе Sinus (сеть с синусоидной характеристикой)
максимальный уровень надежности 2 является достижимым.
Для каждой сети определяются следующие показатели:
в число тактов обучения;
в результат статистического теста.
Все полученные результаты включаются в отчет. Отчет должен содержать
рекомендации по использованию всех видов сетей.


Вопросы к экзамену

1. Основные принципы инженерного направления в нейроинформатике
2. Классическая сеть Хопфилда. Ее свойства и методы расширения
возможностей.
3. Проекционная сеть ассоциативной памяти
4. Тензорная сеть ассоциативной памяти
5. Автокорреляторы в обработке изображений. Сети Хопфилда с