ВУЗ:
Составители:
35
Реализация обучения.
• В программе NeuroNet в меню Модели задать тип нейронной модели
– «Перцептрон».
• Кнопкой «Матрица связей» на панели инструментов открыть окно
«Перцептрон» и задать количество входов перцептрона 14, количество выходов
– 1. В окне появится одна строка из 15 нейронов, из которых первые 14
являются входными (сенсорные элементы по терминологии Розенблатта), а
нейрон с номером 15 станет выходным (реагирующий элемент). Нейрон с
номером 16 будет выступать в качестве суммирующего (ассоциативный
элемент). Нейроны 13 и 14 в данной задаче не используются. Схема
перцептрона для решения поставленной задачи в среде NeuroNet будет иметь
вид, показанный на рис. 19.
• В окне «Перцептрон» задать матрицу весов, соответствующую
установленной конфигурации сети. Обучаемые
веса нейронов в исходном
состоянии могут быть любыми, кроме нулевых. Обычно этим весам придают
небольшие начальные значения.
• Кнопкой на панели инструментов открыть окно «Порог и
активационная функция» и задать необходимые значения порогов, типы
активационных функций для всех задействованных нейронов, типы нейронов по
их расположению в цепи и виды входных воздействий
.
• В окне «Перцептрон» задать желаемую реакцию перцептрона (в
описанной конфигурации это значение соответствует выходу нейрона 16),
которая должна быть различной для обучающих векторов одного и другого
класса образов. В этом же окне необходимо задать желаемый темп обучения
(коэффициент скорости обучения).
• Сформировать обучающее множество из десяти 12-компонентных
входных векторов Х
1
, Х
2
, . . . , Х
9
, Х
0
, соответствующих образам всех десятичных
цифр от 0 до 9. Например, входной вектор Х
1
, соответствующий образу
единицы, будет иметь вид Х
1
= {010110010010}.
• Открыть окно «Входные и выходные векторы» и задать первый
вектор обучающего множества. В окне «Перцептрон» поставить ему в
соответствие желаемую реакцию и нажатием соответствующих кнопок начать
обучение перцептрона в пошаговом или непрерывном режиме. Алгоритм
обучения перцептрона построен на основе классического дельта-правила и
заложен в программу NeuroNet. Процесс обучения прекратить
при достижении
желаемой выходной реакции перцептрона на предъявленный образ. Затем в
окне «Входные и выходные векторы» задать следующий вектор обучающего
множества и повторить описанный процесс обучения. Аналогичную процедуру
обучения перцептрона провести для всех векторов обучающего множества.
Цель обучения для заданной конфигурации сети соответствует такой
Страницы
- « первая
- ‹ предыдущая
- …
- 33
- 34
- 35
- 36
- 37
- …
- следующая ›
- последняя »
