Теми рефератів
> Реферати > Курсові роботи > Звіти з практики > Курсові проекти > Питання та відповіді > Ессе > Доклади > Учбові матеріали > Контрольні роботи > Методички > Лекції > Твори > Підручники > Статті Контакти
Реферати, твори, дипломи, практика » Курсовые проекты » Метод навчання нейронних мереж (правило зворотного поширення помилки)

Реферат Метод навчання нейронних мереж (правило зворотного поширення помилки)





шару,

- для проміжних шарів,


де t-номер поточної ітерації циклу навчання (номер епохи),

- коефіцієнт навчання задається від 0 до 1, - вихід i-нейрона k-шару,

- синаптична зв'язок між j-нейроном шару k - 1 і i-нейроном шару k,

-желаемое вихідне значення на i-нейроні,

- реальне значення на i-нейроні вихідного шару.

крок: перевірка умови продовження навчання (обчислення значення помилки і/або перевірка заданої кількості ітерацій). Якщо навчання не завершено, то 2 крок, інакше закінчуємо навчання. Середньоквадратична помилка обчислюється таким чином:



де Q - загальна кількість прикладів,

Н - кількість нейронів у вихідному шарі,

- бажане вихідне значення на i-нейроні,

- реальне значення на i-нейроні вихідного шару.


. Виконання завдання за допомогою алгоритму навчання мережі по D - правилу. Реалізація в програмному продукті NeuroPro 0.25.


Завдання 1: прорахувати одну ітерацію циклу навчання по?-правілу одношарової бінарної однорідної нейронної мережі, що складається з 3 нейронів і має сигмоїдальну функцію активації (k=1). В якості навчальної вибірки використовувати таблицю істинності для X1? X2 amp; X3, X1 amp; X2 і X1 amp; X3 (не використовувати першу сходинку таблиці). Синаптичні ваги задати випадковим чином.

1. Навчальна вибірка, представлена ??в табличному вигляді (розмір матриці 6x7):



. Опис усіх вхідних і вихідних сигналів мережі:



. Після опису всіх вхідних і вихідних сигналів мережі необхідно задати її структуру (число шарів нейронів, число нейронів у кожному шарі і характеристику - коефіцієнт перетворювача нейрона).


. Результат формування структури мережі:



5. Нехай ваги бінаризованими синапсів задаються за кроком 0.1:



. ?? ербалізація мережі:



. Аналіз навчальної множини:


8. Результат тестування нейронної cети:



. Результат навчання нейронної мережі:



. Виконання завдання за допомогою алгоритму зворотного поширення помилки.


Завдання 2: прорахувати одну ітерацію циклу навчання методом зворотного поширення помилки багатошарової аналогової неоднорідною нейронної мережі, що складається з 2 шарів, причому в першому шарі знаходиться 3 нейрона, а в другому - 2. Функція активації нейронів мережі -гіперболічний тангенс (k=3) функція. Синаптичні ваги і навчальну вибірку задати випадковим чином (Не нулі).

. Навчальна вибірка, представлена ??в табличному вигляді (розмір матриці 3x4):



. Опис усіх вхідних і вихідних сигналів мережі:



2. Після опису всіх вхідних і вихідних сигналів мережі необхідно задати її структуру (число шарів нейронів, число нейронів у кожному шарі і характеристику - коефіцієнт перетворювача нейрона).



. Результат формування структури мережі:


4. Вербалізація мережі:



. Аналіз навчальної множини:



. Значимість вхідних сигналів:



7.Результат тестування нейронної мережі:



. Результат навчання нейронної мережі:



Висновок


В результаті виконаної мною були вивчені дві нейронні мережі: одношарова і багатошарова. Для одношарової мережі використовується алгоритм навчання мережі по?- Правилом, для багатошарової - алгоритм зворотного поширення помилки. В обох випадках алгоритми працюють правильно, тобто при кожній наступній ітерації помилка зменшується. У своїй роботі я вивчила нейронні мережі, їх класифікацію за різними типами, архітектуру нейронних мереж і функції активації - сигмоїдальна і лінійна. У даній роботі застосовувалася сигмоїдальна функція активації. По закінченню даної курсової роботи я навчилася навчати нейронну систему по D - правилом і за правилом зворотного поширення помилки.


Використана література


1. Система електронного навчання СФУ

2. Хайкін С.Нейронние мережі: Повний курс. Пер. з англ. Н.Н.Куссуль, А.Ю. Шелестова. 2-е вид.- М .: Видавничий будинок Вільямс, 2008, 1103 с.

3. Васенко Д.В. «Методи навчання штучних мереж»

. Заенцев І. Нейронний мережі: основні моделі. Навчальний посібник, +1999.

. Короткий С. Нейронні мережі: навчання без учителя.


Назад | сторінка 4 з 4





Схожі реферати:

  • Реферат на тему: Реалізація одношарової нейронної мережі (персептрона)
  • Реферат на тему: Розпізнавання образів за допомогою неординарного алгоритму та програмної ре ...
  • Реферат на тему: Пошук інформації в мережі Інтернет для використання в процесі навчання
  • Реферат на тему: Створення нейронної мережі, що виконує логічну функцію &І& і &АБО&
  • Реферат на тему: Розрахунок розподільчої мережі напругою 0,4 кВ і мережі 10 кВ з односторонн ...