Obyś cudze sieci uczył...
- Zadanie 1
Podczas uczenia sieci on-line na wejście sieci podano wzorzec uczący X=(-3, 4), oczekując na wyjściu wektora [1, 0, 1]. Jeśli trzeba, wykonaj jeden krok uczenia dla przedstawionej
sieci, wiedząc że neurony warstwy wyjściowej mają unipolarną funkcję aktywacji, zaś
neurony warstwy ukrytej funkcję bipolarną.
- Zadanie 2
Wyprowadź wzory, które mogłyby zostać wykorzystane w procesie uczenia
sieci neuronowej do korekty wag neuronów w obu warstwach sieci
dla:
a) funkcji g(NET) postaci:
b) przedstawionej poniżej funkcji g(NET):
- Zadanie 3
Wyznacz minimalne
wartości współczynnika wykorzystanego w sigmoidalnej funkcji aktywacji dla poniższych sieci (a, b, c i d), aby wszystkie
wzorce uczące,
przedstawione poniżej, były poprawnie klasyfikowane (tj. aby wartość
na wyjściu była równa 1 lub 0 z dokładnością
do 10 miejsc przecinku).
- Zadanie 4
Przedstaw własny, inny niż w zadaniu 3. zbiór uczący, przedstaw propozycję
sieci umożliwiającej poprawną klasyfikację (np. z dokładnością do 13 miejsc po przecinku)
z minimalną wartością współczynnika wykorzystanego w tangensoidalnej funkcji aktywacji.
Uzasadnij, dlaczego wybrana minimalna wartość współczynnika nie może być już mniejsza.
- Zadanie 5 (alternatywa do zadań 1--4, 8 punktów)
Napisz program, który ilustruje proces uczenia wielowarstwowej sieci neuronowej,
której zadaniem jest poprawna klasyfikacja punktów leżących na płaszczyźnie.
Użytkownik ma mieć możliwość interaktywnego określania zbioru uczącego (rodek skupiska, wariancja, liczba punktów), zawierającego
punkty należące do minimum trzech klas.
Program w trakcie i po przeprowadzonym procesie uczenia powinien przedstawiać
zmiany "stanu" sieci neuronowej poprzez
wizualizację podziału płaszczyzny na poszczególne klasy.