Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

8879

.pdf
Скачиваний:
5
Добавлен:
25.11.2023
Размер:
1.99 Mб
Скачать

8.f x12 x22 x32 x42 x52

9.f x1 2Cos(x2 ) x32 x4 Sin(x5 )

 

 

x

x

2

 

 

 

 

 

 

 

10.

f

1

 

2

Cos(x

4

x

5

)

 

 

 

 

 

 

 

 

x3

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

11.

f x1

20Cos(x2 ) 5x3

 

x4

e x5

 

 

 

 

 

 

 

 

 

 

 

 

12.f 5x1 Sin(x2 x3 ) Cos(x4 x25 )

13.f x13 x23 x33 x43 x53

Задание 2 по теме «Алгоритм обратного распространения ошибок нейросе-

тевого моделирования»

1)Выполнить полностью 3 цикла прямого и обратного прохода ИНС, исполь-

зуя алгоритм обратного распространения ошибок для входного образца (0,1; 0,9) и целевого выходного значения 0,9 в предположении, что сеть имеет ар-

хитектуру 2-3-1 c весовыми коэффициентами:

для первого слоя:

 

0,1

0,1

 

 

 

 

 

 

0,2

0,1

 

0,1

0,3

 

 

 

для второго слоя:

0,2

0,2

0,3

Параметры обучения: 1 и 0,1

2)Для НС типа 3-2-3 на вход подается вектор (1; 0,9; 0,9) для которого целе-

вым выходным вектором является (0,1; 0,9; 0,1).

111

Пусть выходом элемента В является значение 0,6, а выходом элемента С – зна-

чение 0,8. Функцией активации является сигмоида.

a)Вычислите фактический выходной вектор

b)Вычислите значения ошибок для каждого выходного элемента

c)Вычислите значения ошибок для каждого скрытого элемента

Задание 3. Решение задачи классификации и прогнозирования с помощью

нейросетевого моделирования

1.Импортировать данные из файла Риэлтор.txt.

2.В графическом экране отсортировать по убыванию поле Цена.

3.Используя OLAP, определить характеристики 10 самых дорогих квартир.

4.Выполнить предобработку данных с помощью обработчика Парциальная об-

работка (по данным цена – удалить аномалии).

5. Выполнить корреляционный анализ (для определения незначащих факторов):

на входе: все факторы, кроме номера примера; На выходе –цена.

Какие из признаков более значимые, какие – нет?

6.Выполните квантование данных по полю Цена по трем интервалам.

7.Применяя обработчик Замена данных, замените названия интервалов на де-

шевые, средние, дорогие.

8. Построить классификатор на основе нейронной сети для оценки недвижимо-

сти, относящий объекты недвижимости на основе их признаков к одному из трех классов «дорогие, средние, дешевые квартиры.

9. Для оценки качества модели постройте таблицу сопряженности и диаграм-

му «качество классификации».

10. Используя обработчик Нейросеть, постройте несколько моделей прогно-

зирования цены с разной конфигурацией, (поле «номер пример» – информац.,

все – на вход, а цена – на выход). Теперь поле «цена» обязательно должно быть непрерывным.

112

11.Сколько весовых связей имеет нейронная сеть? Рассчитайте максимально возможное число нейронов скрытого слоя.

12.В ходе проектирования нейросетевой модели выявите оптимальную кон-

фигурацию нейронной сети, используя визуализаторы оценки качества модели.

13.Определить оптимальную структуру нейронной сети с точки зрения ми-

нимизации среднеквадратической ошибки обучения.

14.Изучить графические зависимости среднеквадратической ошибки обу-

чения от количества нейронов, используемых в скрытых слоях, и от количества итераций, используемых для обучения.

15. При помощи визуализатора «Что-если» проверьте, как работает построен-

ный нейросетевой классификатор и лучшая нейросеть прогноза цены.

113

Прокопенко Н.Ю.

МЕТОДЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Учебно-методическое пособие по подготовке к лекциям, практическим занятиям

(включая рекомендации по организации самостоятельной работы)

для обучающихся по дисциплине «Методы искусственного интеллекта» по направлению подготовки 09.03.03 Прикладная информатика профиль Прикладная информатика в экономике

Федеральное государственное бюджетное образовательное учреждение высшего образования «Нижегородский государственный архитектурно-строительный университет»

603950, Нижний Новгород, ул. Ильинская, 65. http://www. nngasu.ru, srec@nngasu.ru

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]