ВУЗ:
Составители:
Рубрика:
30
11. Даны изображения букв , , , . Постройте для них двумерную
систему признаков и вычислите расстояния между векторами-признаками в
разных метриках.
12.
Опишите алгоритм обучения персептрона.
13. Выполните три итерации в алгоритме обучения персептрона, если
обучающие векторы следующие:
1
(1, 0 )
ϖ
∈ ,
1
(1, 2 ) , ( 1, 2 )
ϖ
−−∈ и
0
(0, 0)=w . По-
стройте соответствующую последовательность разделяющих прямых.
14.
Опишите алгоритм Хопфилда.
15.
Пусть
1
(1, 1, 1)=−e ,
2
( 1,1,1)=−e ,
3
(1, 1, 1)=−e – эталонные векторы. Вы-
числите матрицу весовых коэффициентов синапсов для алгоритма Хопфилда
и выполните три итерации алгоритма для вектора (1, 1,1)
=− −x .
16.
Опишите алгоритм Хэмминга.
17.
Пусть
1
(1, 1, 1)=−e ,
2
( 1,1,1)=−e ,
3
(1, 1, 1)=−e – эталонные векторы. Вы-
числите вектор мер близости между эталонными векторами и вектором
(1, 1,1)
=− −x и сделайте три итерации алгоритма Хэмминга для 13
ε
= .
18.
Даны плотности
{
1
1
(3 2 ), (0,1),
()
0, (0,1)
axx
fx
x
−∈
=
∉
и
{
2
2
,(0,1),
()
0, (0,1)
ax x
fx
x
∈
=
∉
распределения признаков в классах априорные вероятности появления клас-
сов
1
() 0.2p
ϖ
=
,
2
()0.8p
ϖ
=
. Постройте: а) байесовский классификатор; б) ми-
нимаксный классификатор; в) критерий Неймана – Пирсона.
12. ИНДИВИДУАЛЬНОЕ ЗАДАНИЕ «ПОСТРОЕНИЕ
КЛАССИФИКАТОРОВ В СЛУЧАЕ
ДВУМЕРНЫХ РАСПРЕДЕЛЕНИЙ ПРИЗНАКОВ»
Заданы плотности распределения двумерных признаков в двух классах
{
2
11
1
2
(, ), (, ) [0, ],
(, )
0, ( , ) [0, ]
axy xy b
fxy
x
yb
ϕ
∈
=
∉
и
{
2
22
2
2
(, ), (, ) [0, ],
(, )
0, ( , ) [0, ]
axy xy b
fxy
x
yb
ϕ
∈
=
∉
.
Требуется построить:
1)
байесовский классификатор, если
1
()
24
N
p
N
ϖ
=
+
,
2
4
()
24
N
p
N
ϖ
+
=
+
и
N – номер варианта;
2) минимаксный классификатор в классе линейных функций;
3)
классификатор по критерию Неймана – Пирсона для 0, 05
α
= .
Варианты заданий приведены в табл. 2.
Таблица 2
№ ПЛОТНОСТИ № ПЛОТНОСТИ
1
1
2
(, ) 3,
(, ) 4 2 , 2
xy x y
xy x yb
ϕ
ϕ
=+
=− + =
13
1
2
(, ) 8 3,
(, ) 16 2 2, 8
xy x y
xy x yb
ϕ
ϕ
=+
=+− =
2
1
2
(, ) 2 3,
(, ) 6 2 , 2
xy x y
xy x yb
ϕ
ϕ
=+
=− − =
14
1
2
(, ) 5 9,
(, ) 17 , 8
xy x y
xy x yb
ϕ
ϕ
=+
=−+ =
