Учебное пособие по курсу «Нейроинформатика» - страница 96

Шрифт
Интервал

стр.

Набор выделенных значений (1/2^n)

Все программы, кроме программы Hopfield.

Процедура контрастирования (вызывается нажатием клавиш ) позволяет Вам исключить часть связей из функционирования, а остальные связи привести к небольшому числу выделенных значений. Этот пункт позволяет Вам задать набор выделенных значений. Ниже приведена таблица соответствия набора выделенных значений задаваемому Вами параметру:

Программа Pade

ПараметрЗначения
00.
10, 1.
20, ½, 1.
30, ¼, 2/4, ¾, 1.
40, ⅛, 2/8, ⅜, …, ⅞, 1.
50, 1/16, 2/16, …, 15/16, 1.
60, 1/32, 2/32, …, 31/32, 1.
70, 1/64, 2/64, …, 63/64, 1.
80, 1/128, 2/128, …, 127/128, 1.

Программы Sinus и Sigmoid

ПараметрЗначения
00.
10, ±1.
20, ±½, ±1.
30, ±¼, ±2/4, ±¾, ±1.
40, ±⅛, ±2/8, ±⅜, …, ±⅞, ±1.
50, ±1/16, ±2/16, …, ±15/16, ±1.
60, ±1/32, ±2/32, …, ±31/32, ±1.
70, ±1/64, ±2/64, …, ±63/64, ±1.
80, ±1/128, ±2/128, …, ±127/128, ±1.
Показать все параметры

Все программы, кроме программыHopfield.

Этот пункт меню позволяет Вам увидеть на экране все параметры, задаваемые в меню "Параметры":

Параметры сети

 Число нейронов в сети

 Число срабатываний сети

 Характеристика нейронов

Параметры метода обучения

 Использовать MParTan

 Организация обучения

 Вычисление направления

 Способ оценивания

 Уровень УДАРА

Параметры контрастирования

 Норма для исключения

 Норма для включения

 Количество контрастируемых связей

 Количество замораживаемых связей

 Количество размораживаемых связей

 Число циклов накопления критерия

 Набор выделенных значений (1/2^n)

Методы предобработки

 Чистый образ

 Сдвиговый автокоррелятор

 Автокоррелятор сдвиг+отражение

 Автокоррелятор сдвиг+вращение

 Автокоррелятор сдвиг+вращение+отражение

Кроме того, на экран выводится число тактов функционирования сети уже затраченных на обучение и средняя оценка по обучающему множеству.

Обучение

Программа Hopfield.

При вычислении синаптической карты в данной программе предусмотрено использование одного из двух заложенных алгоритмов. Выбор алгоритма производится в подменю "Параметры" главного меню. Там же описана процедура предварительной обработки обучающего множества в случае применения алгоритма "Проекционный Хопфилд". В этом разделе описана общая для обоих алгоритмов процедура вычисления элемента синаптической карты по векторам обучающего множества. Поскольку мы имеем дело со стонейронной нейронной сетью, исходные данные любого примера можно представить в виде стомерного вектора. Обозначим вектора соответствующие обучающему множеству через A[1],…,A[k], вес l-ого примера — W[l], а ij-ый элемент синаптической карты — X[ij]. Тогда алгоритм вычисления синаптической карты можно представить в виде формулы:

X[ij] = Сумма по l от 1 до k (A[l][i]*A[l][j]*W[l])


Все программы, кроме программыHopfield.

В данной программе реализован «генетический» подход к формированию стратегии обучения. У Вас в руках ряд процедур, с помощью которых Вы можете подобрать стратегию обучения сети. Ниже приведена таблица всех возможных режимов

Использовать MParTanОрганизация обученияВычисление направленияСпособ оцениванияДопустимость
1ДаСредн.АнтиградиентМНКДопустим
2ДаСредн.АнтиградиентРДМДопустим
3ДаСредн.СлучайноеМНКДопустим
4ДаСредн.СлучайноеРДМДопустим
5ДаПозад.АнтиградиентМНКНедопустим
6ДаПозад.АнтиградиентРДМНедопустим
7ДаПозад.СлучайноеМНКНедопустим
8ДаПозад.СлучайноеРДМНедопустим
9ДаЗад. NАнтиградиентМНКДопустим
10ДаЗад. NАнтиградиентРДМДопустим
11ДаЗад. NСлучайноеМНКДопустим
12НетЗад. NСлучайноеРДМДопустим
13НетСредн.АнтиградиентМНКДопустим
14НетСредн.АнтиградиентРДМДопустим
15НетСредн.СлучайноеМНКДопустим
16НетСредн.СлучайноеРДМДопустим
17НетПозад.АнтиградиентМНКДопустим
18НетПозад.АнтиградиентРДМДопустим
19НетПозад.СлучайноеМНКДопустим
20НетПозад.СлучайноеРДМДопустим
21НетЗад. NАнтиградиентМНКДопустим
22НетЗад. NАнтиградиентРДМДопустим
23НетЗад. NСлучайноеМНКДопустим
24НетЗад. NСлучайноеРДМДопустим

Обозначения, использованные в таблице:

Средн. — Обучение по усредненной оценке (градиенту);

Позад. — Позадачное обучение;

Зад. # — Обучение задаче номер;

Случайно — Случайный спуск;

Антиградиент — Градиентный спуск;

МНК — Оценка типа Метода наименьших квадратов;


стр.

Похожие книги