Построений линий уровня и траектории обучения

Пример 3.Обратимся к тому же примеру, который использовался при рассмотрении процедуры адаптации, и выполним процедуру обучения:

Рисунок 9.1

На рисунке 9.1.а, построена поверхность функции критерия качества в пространстве параметров сети. В процессе обучения траектория обучения будет перемещаться из начальной точки в точку минимума критерия качества.

Выполним расчет и построим траекторию обучения линейной сети для заданных начальных значений веса и смещения:

1)

2)

На рисунке 9.1. б, символами отмечены значения веса и смещения на каждом шаге обучения; видно, что примерно за 10 шагов при заданной точности 0.001 получим . Это согласуется с решением, полученным с использованием процедуры адаптации.

Если не строить траектории процесса обучения, то можно выполнить обучение, обратившись к функции только один раз на рисунке 9.2:

Если повысить точность обучения до значения , то получим следующие результаты на рисунке 9.3.

Рисунок 9.2	Рисунок 9.3

Повышение точности на два порядка приводит к уточнению значений параметров во втором знаке.

Порядок выполнения работы

1. Построить линейную сеть с помощью функции и осуществить ее настройку при помощи функции . Варианты задания представлены в таблице 9.1.

Таблица 9.1

Номер варианта	Количество входов – 1; количество нейронов – 1.
Диапазон значений входа	Значения входа персептрона	Целевой выход
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.

2. Построить графики для получения функции ошибки и траектории обучения, аналогично изображенному рисунку 7.1 в программе .

3. Рассчитать значения функции ошибки в процессе обучения для первых пяти точек и сравнить результаты ручных расчетов и расчета, выполненных в программе .

4. Распечатать листинг программы.

5. Составить отчет: цель практического занятия, структурную схему нейронной сети, алгоритм, текст программы и график, выводы.

Практическое занятие №10

Применение линейных сетей

Цель работы: решение задачи классификации с использованием моделей линейной и персептронной нейронных сетей в системе .

- Задача классификации векторов.

- Построение персептронной нейронной сети для задач классификации разделимых векторов.

Теоретическая часть

Линейные сети могут быть применены для решения задач классификации. Если используется процедура обучения , то параметры сети настраиваются с учетом суммарного значения функции ошибки. Это отличается от процедуры адаптации , для работы которой характерна настройка параметров с учетом ошибки при представлении каждого вектора входа. Затем обучение применяется к скорректированной сети, вычисляются выходы, сравниваются с соответствующими целями и вновь вычисляется ошибка обучения.

Если достигнута допустимая погрешность или превышено максимальное число циклов (эпох) обучения, то процедура настройки прекращается.