Слайд 2
![Основные понятия. Нейрон. X – входной вектор; W – вектор](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/102275/slide-1.jpg)
Основные понятия.
Нейрон.
X – входной вектор;
W – вектор весов;
Σ – суммирующий
блок;
NET – выход.
Слайд 3
![Основные понятия. Нейрон. NET – промежуточный выход; F – активационная](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/102275/slide-2.jpg)
Основные понятия.
Нейрон.
NET – промежуточный выход;
F – активационная функция;
OUT – выход.
Активационная
функция должна иметь ограниченное множество значений, к примеру [0;1]. Это необходимое условие для нормализации выходного значения.
Слайд 4
![Основные понятия. Примеры активационных функций. Единичный скачок или жесткая пороговая функция](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/102275/slide-3.jpg)
Основные понятия.
Примеры активационных функций.
Единичный скачок или жесткая пороговая функция
Слайд 5
![Основные понятия. Примеры активационных функций. Линейный порог или гистерезис](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/102275/slide-4.jpg)
Основные понятия.
Примеры активационных функций.
Линейный порог или гистерезис
Слайд 6
![Основные понятия. Примеры активационных функций. Сигмоид](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/102275/slide-5.jpg)
Основные понятия.
Примеры активационных функций.
Сигмоид
Слайд 7
![Основные понятия. Примеры активационных функций.](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/102275/slide-6.jpg)
Основные понятия.
Примеры активационных функций.
Слайд 8
![Основные понятия. Нейронная сеть. Однослойная сеть. X – входной вектор;](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/102275/slide-7.jpg)
Основные понятия.
Нейронная сеть. Однослойная сеть.
X – входной вектор;
Wij – вес, определенный
для значения xi у нейрона yj;
Y – выходной вектор.
Слайд 9
![Основные понятия. Нейронная сеть. Многослойная сеть.](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/102275/slide-8.jpg)
Основные понятия.
Нейронная сеть. Многослойная сеть.
Слайд 10
![Обучение сети. Нейронная сеть с обратным распространением.](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/102275/slide-9.jpg)
Обучение сети.
Нейронная сеть с обратным распространением.
Слайд 11
![Обучение сети. Алгоритм. Обучение сети обратного распространения требует выполнения следующих](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/102275/slide-10.jpg)
Обучение сети.
Алгоритм.
Обучение сети обратного распространения требует выполнения следующих операций:
Выбрать очередную обучающую
пару из обучающего множества; подать входной вектор на вход сети.
Вычислить выход сети.
Вычислить разность между выходом сети и требуемым выходом (целевым вектором обучающей пары).
Подкорректировать веса сети так, чтобы минимизировать ошибку.
Повторять шаги с 1 по 4 для каждого вектора обучающего множества до тех пор, пока ошибка на всем множестве не достигнет приемлемого уровня.
Слайд 12
![Обучение сети. Алгоритм (продолжение). Новое значение весов считается по формулe:](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/102275/slide-11.jpg)
Обучение сети.
Алгоритм (продолжение).
Новое значение весов считается по формулe:
где p и q
– номера нейронов.
Для выходного слоя:
где T – желаемый результат, а OUT(1-OUT) – производная сигмоида.
Для остальных слоёв:
Слайд 13
![Работа в пакете MATLAB. Подготовка обучающих выборок Скрипт с описанием исследуемой функции Генерация выборок](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/102275/slide-12.jpg)
Работа в пакете MATLAB.
Подготовка обучающих выборок
Скрипт с описанием исследуемой функции
Генерация выборок
Слайд 14
![](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/102275/slide-13.jpg)
Слайд 15
![Работа в пакете MATLAB. Импорт данных и создание нейронной сети.](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/102275/slide-14.jpg)
Работа в пакете MATLAB.
Импорт данных и создание нейронной сети.
Слайд 16
![](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/102275/slide-15.jpg)
Слайд 17
![](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/102275/slide-16.jpg)
Слайд 18
![Работа в пакете MATLAB. Параметры нейронной сети. Network type –](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/102275/slide-17.jpg)
Работа в пакете MATLAB.
Параметры нейронной сети.
Network type – список сетей, доступных
для работы.
Input Data, Target Data – данные, представляющие входной и выходной векторы соответственно.
Training function – обучающая функция (по умол. метод оптимизации Левенберга-Маркара).
Adaptation learning function - функция, отвечающая за обновление весов и смещений сети в процессе обучения (по умол. метод градиентного спуска)
Performance function - функция оценки качества обучения (по умол. среднеквадратичная ошибка)
Number of layers – число слоев сети
Слайд 19
![Работа в пакете MATLAB. Параметры нейронной сети. Number of neurons](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/102275/slide-18.jpg)
Работа в пакете MATLAB.
Параметры нейронной сети.
Number of neurons – число нейронов.
Transfer
function – активационная функция.
Слайд 20
![Работа в пакете MATLAB. Нейронная сеть.](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/102275/slide-19.jpg)
Работа в пакете MATLAB.
Нейронная сеть.
Слайд 21
![](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/102275/slide-20.jpg)
Слайд 22
![Работа в пакете MATLAB. Обучение нейронной сети.](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/102275/slide-21.jpg)
Работа в пакете MATLAB.
Обучение нейронной сети.
Слайд 23
![Работа в пакете MATLAB. Обучение нейронной сети.](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/102275/slide-22.jpg)
Работа в пакете MATLAB.
Обучение нейронной сети.
Слайд 24
![Работа в пакете MATLAB. Параметры обучения нейронной сети. showWindow –](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/102275/slide-23.jpg)
Работа в пакете MATLAB.
Параметры обучения нейронной сети.
showWindow – вывод процесса обучения
в графическом режиме.
showCommandLine - вывод процесса обучения в командную строку.
show - период обновления графика кривой обучения, выраженный числом эпох
epoch – число эпох, по прошествии которых обучение заканчивается.
time – время, по истечении которого обучение прекращается
goal – значение функции ошибки, при которой цель будет считаться достигнутой.
min_grad – минимальный градиент.
max_fail – максимальное число ошибок.
mu - начальное значение mu.
mu_dec - коэффициент убывания mu.
mu_inc - коэффициент возрастания mu.
mu_max - максимальное значение mu.
Слайд 25
![](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/102275/slide-24.jpg)
Слайд 26
![](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/102275/slide-25.jpg)
Слайд 27
![Работа в пакете MATLAB. Экспорт данных.](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/102275/slide-26.jpg)
Работа в пакете MATLAB.
Экспорт данных.
Слайд 28
![Работа в пакете MATLAB. Построение графиков. plot (x, y); hold on; plot (x, net_output, ‘o’);](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/102275/slide-27.jpg)
Работа в пакете MATLAB.
Построение графиков.
plot (x, y);
hold on;
plot (x, net_output, ‘o’);
Слайд 29
![](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/102275/slide-28.jpg)
Слайд 30
![](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/102275/slide-29.jpg)
Слайд 31
![Работа в пакете MATLAB. Проверка нейронной сети.](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/102275/slide-30.jpg)
Работа в пакете MATLAB.
Проверка нейронной сети.
Слайд 32
![](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/102275/slide-31.jpg)
Слайд 33
![Работа в пакете MATLAB. Проверка нейронной сети.](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/102275/slide-32.jpg)
Работа в пакете MATLAB.
Проверка нейронной сети.