Решение задачи распознавания образов с помощью нейронных сетей

     борки (Data Sets) по одному в окне «Run Single Case». Для этого используйте меню: «Run —> Single Case». Можно проверить сразу всю обучающую выборку (см. рис. 10) в окне «Run Data Set». Для этого используйте меню: «Run —► Data Set». В окне высвечивается ошибка обучения («RMS Error Train»), выход нейронной сети по каждому примеру, целевой выход, ошибка каждого выхода сети.

luS^SLi I ´.

RMS ёггог riainG4o5i Уекгу и Test 0

Рис. 10. Диалоговое окно «Run Data Set» 

     Окно «Run One-Off Case» позволяет в интерактивном режиме вводить произвольные примеры и наблюдать реакцию сети (см. рис. 11). Используется меню: «Run —+ One Off».

1:1 Geer •

Рис. 11. Диалоговое окно «Run One-Off Case» 

     Порядок выполнения работы

     Проблема «Исключающего ИЛИ»

     Создать НС для функции “Исключающее ИЛИ” (табл. 2) при помощи Network Advisor. Обучать данную НС алгоритмом Back Propagation на протяжении 1000 циклов (скорость обучения - 0,6,

16 

импульс - 0,3). В процессе выполнения задания веса сети не сбрпсы- вать. Результаты обучения занести в табл. 3.

ГаПлица 3

I'.rror 

     Построить НС со структурой представленной па рис. 12, реализующую функцию “Исключающее ИЛИ”.

скрытый выходной слой слой

Рис. 12. Структура нейронной сети

 

     Обучать НС алгоритмом Back Propagation на протяжении 1000 циклов с различной скоростью обучения (Learning Rate). Результаты обучения занести в табл. 4.

Таблица Ë

 

Зарисовать графики зависимости изменения ошибки от количества циклов (TrainingError Graph) для разных скоростей обучения. 

     Обучать НС алгоритмом «Back Propagation» на протяжении 1000 циклов с разным импульсом («Momentum»). Результаты обучения занести в табл. 5.

Таблица 5

 

     Зарисовать Training Error Graph для разных импульсов.

     '1.1.4 Обучать НС алгоритмом «Back Propagation» до достижения ошибкой значения 0,05 с разным значением скорости обучения. Результаты обучения занести в табл. 6.

Таблица 6

 

     Для случая, соответствующего меньшему количеству циклов, записан» коэффициенты синаптических весов. Зарисовать НС и над каждой синаптической связью надписать ее вес.

     Обучать НС разными алгоритмами обучения. Результаты занести и табл. 7

Таблица 7

 

     Зарисовать Training Error Graph для разных алгоритмов обучения. 

     Распознавание букв

     Создать НС, предназначенную для распознавания букв. Количество входов НС равно количеству точек в растре. Наличие черного квадрата (пикселя) соответствует 1, отсутствие 0. Выход НС

один. Каждой букве соответствует определенный уровень выходного сигнала (Т - 0,1; П - 0,2 ; И - 0,3; А - 0,4 и т.д.).

 

     Обучить НС распознаванию букв Т и П (ошибка - не более 0,01). Убедиться в распознавании предъявляемых букв (см. рис. 13).

     Дообучить НС распознаванию буквы И (обучающая выборка должна содержать только букву И). Убедиться в распознавании буквы И. Проверить, не «забыла» ли НС буквы Т и П.

     Обучить НС распознаванию букв Т, А, П, И. Убедиться в их распознавании (ошибка должна быть не более 0,01).

1

     Зарисовать структуру НС распознающей данные буквы.

     Предъявить НС любые другие 2-3 буквы.

     Результаты представить на координатной плоскости. По оси OY - значение выхода НС, по оси ОХ буквы Т, П, И, А, а также - те которые не входили в обучающую выборку (см. рис. 14). 

0,1

Т Буквы

Рис. 14. Отображение результатов

     Распознавание образов

     Создать НС для распознавания образов (см. рис. 15, 16). Количество входов НС равно 110, количество выходов 1.

      Обучить НС распознаванию образа оптимиста (на выходе НС - 1) и пессимиста (на выходе НС - 0). Убедиться в распознавании данных образов. Результаты занести в табл. 8. 

Оптимист с длинным носом 

Пессимист с длинным носом 

Оптимист со сдвинутыми глазами 

Пессимист со сдвинутыми глазами    

     Содержание отчета

     Отчет должен содержать:

     заполненные таблицы 2-8;

схему НС с коэффициентами синаптических тчон (для п. 4.1.4);

     схему НС распознающей буквы (для п. 4.2.5);

     график с буквами на координатной плоскости (для п. 1.2.7);

     схему НС распознающей образы;

     выводы по работе.

     Контрольные вопросы

     Почему НС предложенная «NetworkAdviser», пе pemaci мри блему "Исключающего ИЛИ"?

     Объясните принцип работы многослойного персептропа.

     В чем состоит процесс обучения НС на основе алгоритма обратного распространения?

     Список литературы

     Головко, В.А. Нейронные сети: обучение организация п п\ применение. - Серия «Нейрокомпьютеры и их применение», Кн. 4. / В.А. Головко. - М.: Радиотехника, 2001.