Нейросетевые технологии. Каширина И.Л. - 40 стр.

3. Написать программу, моделирующую построение карты Кохонена для
 анализа текущего состояния российского фондового рынка. В качестве
 входов карты выбрать значения индекса ММВБ за 1–3 последовательных
 дня и несколько основных индикаторов технического анализа. Данные
 взять на сайте www.finam.ru.
4. Сеть встречного распространения может быть использована для сжатия
 данных перед их передачей. Допустим, что требуется передать некоторое
 черно-белое изображение. Оно может быть разбито на фрагменты sij , как
 показано на рис. 21. Каждый фрагмент разбит на пиксели. Рассмотрим
 векторное кодирование фрагмента: пусть каждый белый пиксель – это 1,
 каждый черный – 0. Если в фрагменте имеется п пикселей, то для его пе-
 редачи потребуется п бит. Множество векторов фрагментов используется
 в качестве входа для обучения слоя Кохонена. Веса слоя Гроссберга обу-
 чаются выдавать бинарный код номера того нейрона Кохонена, выход ко-
 торого равен 1. Например, если выходной сигнал нейрона 7 равен 1 (а все
 остальные равны 0), то слой Гроссберга будет обучаться выдавать двоич-
 ный код числа 7. Это и будет являться более короткой битовой последо-
 вательностью передаваемых символов. На приемном конце идентичным
 образом обученная сеть встречного распространения принимает двоич-
 ный код и реализует обратную функцию, аппроксимирующую первона-
 чальный фрагмент. Написать программу, обучающую сеть встречного
 распространения сжатию данных.




                 Рис. 21. Система сжатия изображений

                 § 6. СТОХАСТИЧЕСКИЕ СЕТИ
     Искусственная нейронная сеть обучается посредством некоторого
процесса, модифицирующего ее веса. Если обучение успешно, то предъяв-
ление сети множества входных сигналов приводит к появлению желаемого
множества выходных сигналов. Стохастические методы обучения выпол-
няют псевдослучайные изменения величин весов, сохраняя те изменения,
которые ведут к улучшениям.

                                   40