Московский государственный университет путей сообщения
Опубликован: 12.09.2011 | Доступ: свободный | Студентов: 3750 / 307 | Оценка: 4.67 / 4.33 | Длительность: 18:55:00
Специальности: Программист
Лекция 2:

Построение обученных логических нейронных сетей

Лабораторная работа 1. Распознавание нечетких символов персептроном

Изобразите экран  8 \times 16 клеток. Каждую клетку интерпретируйте рецептором, способным воспринимать извне величину возбуждения в диапазоне 0 – 1. Для обучения одной букве условно нарисуйте на экране эталон буквы О. Окружите линию этого эталона клетками (рецепторами) с некоторым запасом (как показано на рисунке) так, чтобы создать "ловушку" для захвата основной части нечетко и с искажениями изображаемой буквы О. Соедините все рецепторы "ловушки" буквы О связями (с единичными весами) с нейроном, отвечающим за вывод: "Это буква О".

Буква O

Буква O

Выберите функцию активации этого нейрона f_O= \frac {1}{N_O} \sum \limits_i {f_i}-h, при отрицательном значении разности принимающую нулевое значение. N_O – количество рецепторов, образующих "ловушку" буквы О, f_i – величина возбуждения i-го рецептора, h – единый порог, подбираемый экспериментально для всех букв, распознаванию которых производится обучение. По рисунку N_O =68.

На этом же экране постройте "ловушку" для распознавания искаженной, "зашумленной" буквы А, как показано на рисунке. Все рецепторы "ловушки" свяжите с нейроном, отвечающим за вывод: "Это буква А".

Буква A

Буква A

Функция активации этого нейрона имеет тот же вид f_A= \frac {1}{N_A} \sum \limits_i {f_i}-h, однако N_A = 74. (Данное нормирование производится для уравнивания всех букв, которым обучается нейросеть.)

По четко заданным эталонам букв (с единичной засветкой клеток экрана по правильному контуру) предварительно подберите порог h так, чтобы существенно возбуждался лишь тот нейрон, который соответствует предъявляемой букве. Показ "чужого" символа, которому нейросеть не обучалась, должен приводить к нулевому возбуждению нейронов. В процессе эксперимента и при добавлении новых букв значение порога может уточняться.

Перейдите к рабочему режиму распознавания. На рисунке показан вариант зашумленной засветки экрана. Слева наложена "ловушка" для распознавания буквы О. Справа – "ловушка" для распознавания буквы А.

Зашумленная засветка экрана

Зашумленная засветка экрана

Сумма сигналов в "ловушке" О равна 49,2. Пусть h = 0,7. Тогда f_O = 0,72 - 0,7 = 0,02. Сумма сигналов в "ловушке" А равна 36,9, f_A = 0. Нейросеть высказалась за то, что ей была предъявлена "зашумленная" буква О.

Расширьте эксперимент, произведя обучение для трех, четырех и т.д. символов. Выбор набора значительно отличающихся символов определяет вариант выполняемой лабораторной работы. Для представления экрана и для расчетов целесообразно использовать EXCEL.

Вы, несомненно, столкнетесь с малой разрешающей способностью экрана  8 \times 16. Кроме того, данная лабораторная работа ограничена центровкой и масштабированием образов. Так что перед экспериментатором неограниченные возможности!

Лабораторная работа 2. Построение, верификация и исследование логической нейронной сети

Тщательно изучите разделы 2.2 и 2.3. По точно известным ситуациям, на основе 5 - 6 достоверных, т.е. "единичных", наборов данных, произведите верификацию всех вариантов выполнения системы принятия решений: "электронной" схемы, схемы на нечеткой логике, "многослойной" и однослойной нейронной сети.

Каждый удовлетворительный результат анализа сопровождайте расчетом 2 - 3 (единых для всех способов построения СПР) вариантов нечеткого задания данных. Результаты должны совпасть.

При задании возбуждения рецепторов следуйте принципу исчерпывающих множеств событий.

Кирилл Артамонов
Кирилл Артамонов

"Тогда как задать возбуждение рецепторов, если инспектор точно установил, что скорость автомобиля при наезде на пешехода была равна 114 км/час?
По-видимому, он рассуждает на основе близости скорости к границам указанного интервала: "Достоверность того, что скорость автомобиля составляет 100 км/час, я найду как (114 – 100):(120 – 100), а достоверность того, что скорость автомобиля составляет 120 км/час, я найду как (120 – 114):(120 – 100). Следует обратить внимание на то, что сумма найденных достоверностей равна единице."

Вопрос по расчёту скорости и сумме достоверности: этот математический (приведенный выше в виде контекста из материала лекции 1, страницы 3) метод справедлив к скоростным показателям выходящим за рамки диапазона 100-120. 
То есть, практически применяв к расчёту, скорости из диапазона 114-155, к диапазону 100-120, получал в результате суммирования достоверностей единицу.
Это похоже на то, как я видимые разные скоростные показатели своим рецептором, буду воспринимать линейно с помощью одного диапазона, так как он универсален. 
Правильно ли это ? 
И как манипулировать данными показателями, если есть универсальный диапазон, по результату выводящий в сумме постоянно единицу на разных скоростных показателях стремящегося.

Владислав Гладышев
Владислав Гладышев

А как проходить курс ? я же могу прямо сейчас все лекции прочитать и здать экзамен, к чему там даты ?