Исследование трехслойных ИНС
Разработка программы, моделирующей процессы обучения, работы и прогнозирования ИНС с использованием постоянного, а также адаптивного шага обучения. Исследование поведения системы в зависимости от количества входов при постоянном шаге самообучения.
| Рубрика | Программирование, компьютеры и кибернетика |
| Вид | контрольная работа |
| Язык | русский |
| Дата добавления | 16.10.2011 |
| Размер файла | 92,5 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru/
Контрольная работа
Исследование трехслойных ИНС
Брест 2007
Введение
Целью контрольной работы является исследование обучения, работы и прогнозирования многослойных ИНС, в данном случае 3-слойной.
Для изучения ИНС нам необходимо разработать программу, моделирующую процессы обучения, работы и прогнозирования ИНС. За основу возьмем программу, написанную в процессе выполнения лабораторной работы №2, с доработками. В результате получили программу с интерфейсом, представленным ниже:
Рисунок 1 - Интерфейс программы
Величину среднеквадратической ошибки примем равной 0,05. Функции активации слоев для простоты работы с ними примем сигмоидные.
В процессе исследования ИНС мы выполним:
· поиск наиболее оптимальных ALFA для каждого слоя при постоянном шаге обучения и непосредственно само обучение;
· прогнозирование на базе результатов обучения с постоянным шагом обучения;
· обучение ИНС с помощь адаптивного шага обучения;
· прогнозирование на базе результатов обучения с адаптивным шагом обучения.
Также мы произведем изменение количества входов и проверим реакцию ИНС данные действия.
1. Обучение ИНС с использованием постоянного шага обучения
Обучение будем производить путем поэтапного изменения величины ALFA для каждого слоя с шагом 0,05. Наиболее оптимальными будут те ALFA, при которых количество шагов обучения (по 30 итераций) будет минимальным.
В следствии того, что нам необходимо менять ALFA для каждого слоя в отдельности, построение графиков зависимости количества шагов обучения от ALFA становится затруднительным. Приведем результат поиска оптимальных ALFA:
ALFA_1 = 0.45 - ALFA для первого слоя
ALFA_2 = 0.50 - ALFA для второго слоя
ALFA_3 = 0.45 - ALFA для третьего слоя
N = 3 - Кол-во шагов обучения
При данных ALFA произведем обучение ИНС:
|
№ шага |
Yрасч. |
Yэтал |
E |
|
|
1 |
0.202811 |
0.201410 |
0.001402 |
|
|
2 |
0.201563 |
0.201541 |
0.000022 |
|
|
3 |
0.201611 |
0.201670 |
-0.000059 |
|
|
4 |
0.201734 |
0.201797 |
-0.000063 |
|
|
5 |
0.201861 |
0.201923 |
-0.000062 |
|
|
6 |
0.201985 |
0.202047 |
-0.000061 |
|
|
7 |
0.202108 |
0.202169 |
-0.000060 |
|
|
8 |
0.202230 |
0.202289 |
-0.000059 |
|
|
9 |
0.202349 |
0.202407 |
-0.000058 |
|
|
10 |
0.202466 |
0.202524 |
-0.000057 |
|
|
11 |
0.202582 |
0.202638 |
-0.000056 |
|
|
12 |
0.202696 |
0.202751 |
-0.000055 |
|
|
13 |
0.202808 |
0.202862 |
-0.000054 |
|
|
14 |
0.202918 |
0.202971 |
-0.000053 |
|
|
15 |
0.203026 |
0.203079 |
-0.000052 |
|
|
16 |
0.203133 |
0.203184 |
-0.000051 |
|
|
17 |
0.203237 |
0.203288 |
-0.000051 |
|
|
18 |
0.203340 |
0.203390 |
-0.000050 |
|
|
19 |
0.203441 |
0.203490 |
-0.000049 |
|
|
20 |
0.203541 |
0.203588 |
-0.000048 |
|
|
21 |
0.203638 |
0.203684 |
-0.000047 |
|
|
22 |
0.203733 |
0.203779 |
-0.000046 |
|
|
23 |
0.203827 |
0.203872 |
-0.000045 |
|
|
24 |
0.203919 |
0.203963 |
-0.000044 |
|
|
25 |
0.204009 |
0.204052 |
-0.000043 |
|
|
26 |
0.204097 |
0.204139 |
-0.000042 |
|
|
27 |
0.204184 |
0.204224 |
-0.000041 |
|
|
28 |
0.204268 |
0.204308 |
-0.000040 |
|
|
29 |
0.204351 |
0.204389 |
-0.000039 |
|
|
30 |
0.204432 |
0.204469 |
-0.000038 |
E = 0.00000011859
Далее проведем прогнозирование на основании полученных результатов обучения:
|
№ шага |
Yрасч. |
Yэтал |
E |
|
|
1 |
0.204511 |
0.204547 |
-0.000037 |
|
|
2 |
0.204553 |
0.204624 |
-0.000070 |
|
|
3 |
0.204595 |
0.204698 |
-0.000103 |
|
|
4 |
0.204635 |
0.204770 |
-0.000135 |
|
|
5 |
0.204675 |
0.204841 |
-0.000166 |
|
|
6 |
0.204714 |
0.204910 |
-0.000196 |
|
|
7 |
0.204752 |
0.204977 |
-0.000225 |
|
|
8 |
0.204789 |
0.205042 |
-0.000253 |
|
|
9 |
0.204825 |
0.205105 |
-0.000280 |
|
|
10 |
0.204860 |
0.205167 |
-0.000307 |
|
|
11 |
0.204894 |
0.205226 |
-0.000332 |
|
|
12 |
0.204927 |
0.205284 |
-0.000356 |
|
|
13 |
0.204960 |
0.205340 |
-0.000380 |
|
|
14 |
0.204991 |
0.205394 |
-0.000402 |
|
|
15 |
0.205022 |
0.205446 |
-0.000424 |
E=0.00000026073
Приведем график зависимости величины ошибки от шага обучения:
График зависимости ошибки от шага
2. Обучение ИНС с использованием адаптивного шага обучения
Для достижения заданной точности оказалось достаточно 2 шага обучения (по 30 итераций). При этом на последнем шаге были получены следующие значения ALFA:
ALFA_1 = 0.57891 - ALFA для первого слоя
ALFA_2 = 0.02568 - ALFA для второго слоя
ALFA_3 = 0.40045 - ALFA для третьего слоя
Результат последнего шага обучения приведен ниже:
|
№ шага |
Yрасч. |
Yэтал |
E |
|
|
1 |
0.124568 |
0.205843 |
-0.081275 |
|
|
2 |
0.205849 |
0.205411 |
0.000439 |
|
|
3 |
0.205413 |
0.204793 |
0.000620 |
|
|
4 |
0.204794 |
0.203991 |
0.000803 |
|
|
5 |
0.203991 |
0.203006 |
0.000986 |
|
|
6 |
0.203005 |
0.201838 |
0.001167 |
|
|
7 |
0.201836 |
0.200488 |
0.001348 |
|
|
8 |
0.200485 |
0.198958 |
0.001527 |
|
|
9 |
0.198953 |
0.197249 |
0.001705 |
|
|
10 |
0.197243 |
0.195362 |
0.001881 |
|
|
11 |
0.195355 |
0.193299 |
0.002056 |
|
|
12 |
0.193291 |
0.191063 |
0.002228 |
|
|
13 |
0.191053 |
0.188654 |
0.002399 |
|
|
14 |
0.188643 |
0.186076 |
0.002567 |
|
|
15 |
0.186063 |
0.183330 |
0.002733 |
|
|
16 |
0.183316 |
0.180420 |
0.002896 |
|
|
17 |
0.180404 |
0.177347 |
0.003057 |
|
|
18 |
0.177329 |
0.174114 |
0.003215 |
|
|
19 |
0.174094 |
0.170725 |
0.003370 |
|
|
20 |
0.170703 |
0.167182 |
0.003521 |
|
|
21 |
0.167158 |
0.163488 |
0.003669 |
|
|
22 |
0.163462 |
0.159648 |
0.003814 |
|
|
23 |
0.159619 |
0.155664 |
0.003955 |
|
|
24 |
0.155632 |
0.151539 |
0.004093 |
|
|
25 |
0.151504 |
0.147279 |
0.004226 |
|
|
26 |
0.147241 |
0.142885 |
0.004355 |
|
|
27 |
0.142844 |
0.138364 |
0.004480 |
|
|
28 |
0.138318 |
0.133717 |
0.004601 |
|
|
29 |
0.133667 |
0.128951 |
0.004717 |
|
|
30 |
0.128896 |
0.124068 |
0.004828 |
E=0.00023145
Далее проведем прогнозирование на основании полученных результатов обучения:
|
№ шага |
Yрасч. |
Yэтал |
E |
|
|
1 |
0.124008 |
0.119074 |
0.004935 |
|
|
2 |
0.123943 |
0.113972 |
0.009971 |
|
|
3 |
0.123871 |
0.108768 |
0.015103 |
|
|
4 |
0.123792 |
0.103466 |
0.020326 |
|
|
5 |
0.123706 |
0.098071 |
0.025635 |
|
|
6 |
0.123610 |
0.092588 |
0.031022 |
|
|
7 |
0.123505 |
0.087021 |
0.036484 |
|
|
8 |
0.123389 |
0.081376 |
0.042013 |
|
|
9 |
0.123261 |
0.075658 |
0.047604 |
|
|
10 |
0.123121 |
0.069871 |
0.053249 |
|
|
11 |
0.122966 |
0.064022 |
0.058944 |
|
|
12 |
0.122795 |
0.058115 |
0.064680 |
|
|
13 |
0.122607 |
0.052156 |
0.070451 |
|
|
14 |
0.122400 |
0.046150 |
0.076250 |
|
|
15 |
0.122172 |
0.040103 |
0.082069 |
E=0.0189632
Приведем график зависимости величины ошибки от шага обучения:
График зависимости ошибки от шага
3. Исследование поведения системы в зависимости от количества входов при постоянном шаге обучения
программа обучение прогнозирование трехслойный
Проведем исследование поведения системы 6±4 входа. Будем проводить обучение для 2, 6 и 10 входовых ИНС, прогнозирование. По результатам исследования построим графики зависимости ошибки от количества входов.
1. Количество входов равно 6 - см. раздел 1.
2. Количество входов равно 2.
Процесс обучения:
|
№ шага |
Yрасч. |
Yэтал |
E |
|
|
1 |
0.203088 |
0.200868 |
0.002221 |
|
|
2 |
0.201210 |
0.201006 |
0.000204 |
|
|
3 |
0.201076 |
0.201142 |
-0.000066 |
|
|
4 |
0.201176 |
0.201277 |
-0.000101 |
|
|
5 |
0.201305 |
0.201410 |
-0.000105 |
|
|
6 |
0.201437 |
0.201541 |
-0.000104 |
|
|
7 |
0.201568 |
0.201670 |
-0.000102 |
|
|
8 |
0.201697 |
0.201797 |
-0.000101 |
|
|
9 |
0.201824 |
0.201923 |
-0.000099 |
|
|
10 |
0.201949 |
0.202047 |
-0.000098 |
|
|
11 |
0.202072 |
0.202169 |
-0.000096 |
|
|
12 |
0.202194 |
0.202289 |
-0.000095 |
|
|
13 |
0.202314 |
0.202407 |
-0.000093 |
|
|
14 |
0.202432 |
0.202524 |
-0.000092 |
|
|
15 |
0.202548 |
0.202638 |
-0.000091 |
|
|
16 |
0.202662 |
0.202751 |
-0.000089 |
|
|
17 |
0.202775 |
0.202862 |
-0.000088 |
|
|
18 |
0.202885 |
0.202971 |
-0.000086 |
|
|
19 |
0.202994 |
0.203079 |
-0.000085 |
|
|
20 |
0.203101 |
0.203184 |
-0.000083 |
|
|
21 |
0.203206 |
0.203288 |
-0.000082 |
|
|
22 |
0.203310 |
0.203390 |
-0.000080 |
|
|
23 |
0.203411 |
0.203490 |
-0.000079 |
|
|
24 |
0.203511 |
0.203588 |
-0.000077 |
|
|
25 |
0.203609 |
0.203684 |
-0.000076 |
|
|
26 |
0.203705 |
0.203779 |
-0.000074 |
|
|
27 |
0.203799 |
0.203872 |
-0.000073 |
|
|
28 |
0.203891 |
0.203963 |
-0.000071 |
|
|
29 |
0.203982 |
0.204052 |
-0.000070 |
|
|
30 |
0.204071 |
0.204139 |
-0.000068 |
E=0,0000762556
Прогнозирование на основании полученных результатов обучения:
|
№ шага |
Yрасч. |
Yэтал |
E |
|
|
1 |
0.204157 |
0.204224 |
-0.000067 |
|
|
2 |
0.204185 |
0.204308 |
-0.000123 |
|
|
3 |
0.204211 |
0.204389 |
-0.000178 |
|
|
4 |
0.204237 |
0.204469 |
-0.000232 |
|
|
5 |
0.204262 |
0.204547 |
-0.000285 |
|
|
6 |
0.204287 |
0.204624 |
-0.000336 |
|
|
7 |
0.204312 |
0.204698 |
-0.000386 |
|
|
8 |
0.204335 |
0.204770 |
-0.000435 |
|
|
9 |
0.204358 |
0.204841 |
-0.000482 |
|
|
10 |
0.204381 |
0.204910 |
-0.000529 |
|
|
11 |
0.204403 |
0.204977 |
-0.000574 |
|
|
12 |
0.204425 |
0.205042 |
-0.000617 |
|
|
13 |
0.204446 |
0.205105 |
-0.000659 |
|
|
14 |
0.204466 |
0.205167 |
-0.000700 |
|
|
15 |
0.204486 |
0.205226 |
-0.000740 |
E=0.00000166694
3. Количество входов равно 10.
Процесс обучения:
|
№ шага |
Yрасч. |
Yэтал |
E |
|
|
1 |
0.203332 |
0.200442 |
0.002891 |
|
|
2 |
0.200981 |
0.200586 |
0.000396 |
|
|
3 |
0.200678 |
0.200727 |
-0.000050 |
|
|
4 |
0.200740 |
0.200868 |
-0.000128 |
|
|
5 |
0.200866 |
0.201006 |
-0.000140 |
|
|
6 |
0.201001 |
0.201142 |
-0.000141 |
|
|
7 |
0.201137 |
0.201277 |
-0.000139 |
|
|
8 |
0.201272 |
0.201410 |
-0.000138 |
|
|
9 |
0.201405 |
0.201541 |
-0.000136 |
|
|
10 |
0.201536 |
0.201670 |
-0.000134 |
|
|
11 |
0.201665 |
0.201797 |
-0.000132 |
|
|
12 |
0.201793 |
0.201923 |
-0.000130 |
|
|
13 |
0.201919 |
0.202047 |
-0.000128 |
|
|
14 |
0.202042 |
0.202169 |
-0.000126 |
|
|
15 |
0.202164 |
0.202289 |
-0.000124 |
|
|
16 |
0.202285 |
0.202407 |
-0.000123 |
|
|
17 |
0.202403 |
0.202524 |
-0.000121 |
|
|
18 |
0.202520 |
0.202638 |
-0.000119 |
|
|
19 |
0.202634 |
0.202751 |
-0.000117 |
|
|
20 |
0.202747 |
0.202862 |
-0.000115 |
|
|
21 |
0.202858 |
0.202971 |
-0.000113 |
|
|
22 |
0.202968 |
0.203079 |
-0.000111 |
|
|
23 |
0.203075 |
0.203184 |
-0.000109 |
|
|
24 |
0.203181 |
0.203288 |
-0.000107 |
|
|
25 |
0.203284 |
0.203390 |
-0.000105 |
|
|
26 |
0.203386 |
0.203490 |
-0.000104 |
|
|
27 |
0.203486 |
0.203588 |
-0.000102 |
|
|
28 |
0.203585 |
0.203684 |
-0.000100 |
|
|
29 |
0.203681 |
0.203779 |
-0.000098 |
|
|
30 |
0.203776 |
0.203872 |
-0.000096 |
E=0, 000004
Прогнозирование на основании полученных результатов обучения:
|
№ шага |
Yрасч. |
Yэтал |
E |
|
|
1 |
0.203869 |
0.203963 |
-0.000094 |
|
|
2 |
0.203882 |
0.204052 |
-0.000169 |
|
|
3 |
0.203896 |
0.204139 |
-0.000243 |
|
|
4 |
0.203909 |
0.204224 |
-0.000315 |
|
|
5 |
0.203922 |
0.204308 |
-0.000386 |
|
|
6 |
0.203934 |
0.204389 |
-0.000455 |
|
|
7 |
0.203947 |
0.204469 |
-0.000523 |
|
|
8 |
0.203959 |
0.204547 |
-0.000589 |
|
|
9 |
0.203971 |
0.204624 |
-0.000653 |
|
|
10 |
0.203982 |
0.204698 |
-0.000716 |
|
|
11 |
0.203993 |
0.204770 |
-0.000777 |
|
|
12 |
0.204004 |
0.204841 |
-0.000837 |
|
|
13 |
0.204015 |
0.204910 |
-0.000895 |
|
|
14 |
0.204025 |
0.204977 |
-0.000951 |
|
|
15 |
0.204036 |
0.205042 |
-0.001006 |
E=0.00000306659
Получили зависимость среднеквадратической ошибки при прогнозировании от количества входов сети. Построим график зависимости:
График зависимости ошибки от количества входов при постоянном шаге обучения
4. Исследование поведения системы в зависимости от количества входов при адаптивном шаге обучения
Проведем исследование поведения системы 6±4 входа. Будем проводить обучение для 2, 6 и 10 входовых ИНС, прогнозирование. По результатам исследования построим графики зависимости ошибки от количества входов.
1. Количество входов равно 6 - см. раздел 2.
2. Количество входов равно 2.
Процесс обучения:
|
№ шага |
Yрасч. |
Yэтал |
E |
|
|
1 |
0.203819 |
0.200868 |
0.002952 |
|
|
2 |
0.200876 |
0.201006 |
-0.000130 |
|
|
3 |
0.201019 |
0.201142 |
-0.000123 |
|
|
4 |
0.201156 |
0.201277 |
-0.000121 |
|
|
5 |
0.201290 |
0.201410 |
-0.000120 |
|
|
6 |
0.201423 |
0.201541 |
-0.000118 |
|
|
7 |
0.201554 |
0.201670 |
-0.000116 |
|
|
8 |
0.201683 |
0.201797 |
-0.000115 |
|
|
9 |
0.201810 |
0.201923 |
-0.000113 |
|
|
10 |
0.201935 |
0.202047 |
-0.000112 |
|
|
11 |
0.202059 |
0.202169 |
-0.000110 |
|
|
12 |
0.202181 |
0.202289 |
-0.000108 |
|
|
13 |
0.202301 |
0.202407 |
-0.000107 |
|
|
14 |
0.202419 |
0.202524 |
-0.000105 |
|
|
15 |
0.202535 |
0.202638 |
-0.000103 |
|
|
16 |
0.202649 |
0.202751 |
-0.000102 |
|
|
17 |
0.202762 |
0.202862 |
-0.000100 |
|
|
18 |
0.202873 |
0.202971 |
-0.000098 |
|
|
19 |
0.202982 |
0.203079 |
-0.000097 |
|
|
20 |
0.203089 |
0.203184 |
-0.000095 |
|
|
21 |
0.203195 |
0.203288 |
-0.000093 |
|
|
22 |
0.203298 |
0.203390 |
-0.000092 |
|
|
23 |
0.203400 |
0.203490 |
-0.000090 |
|
|
24 |
0.203500 |
0.203588 |
-0.000088 |
|
|
25 |
0.203598 |
0.203684 |
-0.000087 |
|
|
26 |
0.203694 |
0.203779 |
-0.000085 |
|
|
27 |
0.203788 |
0.203872 |
-0.000083 |
|
|
28 |
0.203881 |
0.203963 |
-0.000082 |
|
|
29 |
0.203972 |
0.204052 |
-0.000080 |
|
|
30 |
0.204060 |
0.204139 |
-0.000079 |
E=0.000005
Прогнозирование на основании полученных результатов обучения:
|
№ шага |
Yрасч. |
Yэтал |
E |
|
|
1 |
0.204147 |
0.204224 |
-0.000077 |
|
|
2 |
0.204156 |
0.204308 |
-0.000152 |
|
|
3 |
0.204164 |
0.204389 |
-0.000226 |
|
|
4 |
0.204172 |
0.204469 |
-0.000298 |
|
|
5 |
0.204179 |
0.204547 |
-0.000368 |
|
|
6 |
0.204187 |
0.204624 |
-0.000437 |
|
|
7 |
0.204194 |
0.204698 |
-0.000504 |
|
|
8 |
0.204201 |
0.204770 |
-0.000569 |
|
|
9 |
0.204208 |
0.204841 |
-0.000633 |
|
|
10 |
0.204215 |
0.204910 |
-0.000695 |
|
|
11 |
0.204222 |
0.204977 |
-0.000755 |
|
|
12 |
0.204228 |
0.205042 |
-0.000813 |
|
|
13 |
0.204235 |
0.205105 |
-0.000870 |
|
|
14 |
0.204241 |
0.205167 |
-0.000926 |
|
|
15 |
0.204247 |
0.205226 |
-0.000979 |
E=0.00000287983
3. Количество входов равно 10.
Процесс обучения:
|
№ шага |
Yрасч. |
Yэтал |
E |
|
|
1 |
0.202954 |
0.200442 |
0.002512 |
|
|
2 |
0.200444 |
0.200586 |
-0.000141 |
|
|
3 |
0.200625 |
0.200727 |
-0.000102 |
|
|
4 |
0.200766 |
0.200868 |
-0.000101 |
|
|
5 |
0.200906 |
0.201006 |
-0.000100 |
|
|
6 |
0.201044 |
0.201142 |
-0.000099 |
|
|
7 |
0.201180 |
0.201277 |
-0.000097 |
|
|
8 |
0.201314 |
0.201410 |
-0.000096 |
|
|
9 |
0.201446 |
0.201541 |
-0.000095 |
|
|
10 |
0.201577 |
0.201670 |
-0.000093 |
|
|
11 |
0.201705 |
0.201797 |
-0.000092 |
|
|
12 |
0.201832 |
0.201923 |
-0.000091 |
|
|
13 |
0.201957 |
0.202047 |
-0.000089 |
|
|
14 |
0.202081 |
0.202169 |
-0.000088 |
|
|
15 |
0.202202 |
0.202289 |
-0.000087 |
|
|
16 |
0.202322 |
0.202407 |
-0.000085 |
|
|
17 |
0.202440 |
0.202524 |
-0.000084 |
|
|
18 |
0.202556 |
0.202638 |
-0.000083 |
|
|
19 |
0.202670 |
0.202751 |
-0.000081 |
|
|
20 |
0.202782 |
0.202862 |
-0.000080 |
|
|
21 |
0.202893 |
0.202971 |
-0.000079 |
|
|
22 |
0.203001 |
0.203079 |
-0.000077 |
|
|
23 |
0.203108 |
0.203184 |
-0.000076 |
|
|
24 |
0.203213 |
0.203288 |
-0.000075 |
|
|
25 |
0.203316 |
0.203390 |
-0.000073 |
|
|
26 |
0.203418 |
0.203490 |
-0.000072 |
|
|
27 |
0.203517 |
0.203588 |
-0.000071 |
|
|
28 |
0.203615 |
0.203684 |
-0.000069 |
|
|
29 |
0.203711 |
0.203779 |
-0.000068 |
|
|
30 |
0.203805 |
0.203872 |
-0.000067 |
E=0,000003
Прогнозирование на основании полученных результатов обучения:
|
№ шага |
Yрасч. |
Yэтал |
E |
|
|
1 |
0.203897 |
0.203963 |
-0.000065 |
|
|
2 |
0.203921 |
0.204052 |
-0.000130 |
|
|
3 |
0.203945 |
0.204139 |
-0.000194 |
|
|
4 |
0.203968 |
0.204224 |
-0.000257 |
|
|
5 |
0.203990 |
0.204308 |
-0.000317 |
|
|
6 |
0.204012 |
0.204389 |
-0.000377 |
|
|
7 |
0.204034 |
0.204469 |
-0.000435 |
|
|
8 |
0.204055 |
0.204547 |
-0.000492 |
|
|
9 |
0.204076 |
0.204624 |
-0.000548 |
|
|
10 |
0.204096 |
0.204698 |
-0.000602 |
|
|
11 |
0.204116 |
0.204770 |
-0.000655 |
|
|
12 |
0.204135 |
0.204841 |
-0.000706 |
|
|
13 |
0.204154 |
0.204910 |
-0.000756 |
|
|
14 |
0.204172 |
0.204977 |
-0.000805 |
|
|
15 |
0.204190 |
0.205042 |
-0.000852 |
E=0.00000216793
Получили зависимость среднеквадратической ошибки при прогнозировании от количества входов сети. Построим график зависимости:
Заключение
В ходе проведения контрольной работы было установлено:
· 3-слойная нейронная сеть во многом похожа на 2-слойную (способы обучения аналогичны, отличаются лишь особенностями реализации);
· 3-слойная нейронная сеть является более точной по сравнению с 2-слойной (если сравнивать результаты лабораторной работы №2, то видно, что 3-слойная ИНС обладает большей скоростью обучения, большей точностью);
· в 3-слойных ИНС в процессе обучения наблюдается «эффект уточнения» - на каждом последующем шаге величина среднеквадратической ошибки уменьшается;
· в ходе работы было рассмотрено влияние изменения количества входов на точность ИНС и построены графики зависимости. При анализе данных графиков можно предположить, что данная точность не максимальна и путем увеличения количества входов точность можно увеличить. Однако из графика также видно, что при добавлении очередного количества входов эффект от них гораздо меньше, чем от предыдущих. В соответствии с этим встает вопрос о целесообразности наращивания количества входов.
· как и в 1- и 2-слойных ИНС, адаптивный шаг обучения является более эффективным по скорости получения результата (3 шага - при обучении с постоянным шагом, 2 шага - при обучении с адаптивным шагом), но мене точным (E=0,00000026073 - при обучении с постоянным шагом; E=0,0189632 - при обучении с адаптивным шагом).
Размещено на Allbest.ru
Подобные документы
Сущность понятия "код блюда". Алгоритмы обучения и использования программы. Логика работы программы. Общий интерфейс программы. Последовательность обучения программе Lota+. Интерфейс программы в момент выбора параметров и получения общего результата.
курсовая работа [563,6 K], добавлен 01.12.2009Понятие дистанционного обучения, его сущность и особенности, содержание и цели. Разновидности дистанционного обучения и их характерные черты. Эффективность дистанционного обучения на современном этапе. Основные требования к программному обеспечению.
научная работа [40,2 K], добавлен 29.01.2009Реализация системы визуального программирования. Выбор технических средств для нее. Варианты использования языка JavaScript. Создание приложения программы-редактора блок-схем и сайта удалённого обучения на основе интерактивной системы обучения Moodle.
дипломная работа [2,2 M], добавлен 07.07.2012Анализ существующих стандартов образовательных сред в системах адаптивного компьютерного обучения. Краткая характеристика и оценка состояния рассматриваемой проблемы. Стандарты и спецификации ЭО. Обоснование выбранного метода направления исследования.
научная работа [8,3 K], добавлен 29.01.2009Характеристика системы управления двигателем постоянного тока. Моделирование системы управления в среде Matlab 6.1. Подбор параметров регуляторов структурной схемы в соответствии с предъявляемыми требованиями. Исследование электрической схемы системы.
курсовая работа [1,4 M], добавлен 29.11.2010Процесс обучения ИТ-специалистов технологии MSF. Разработка информационной системы, моделирующей поведение "тестируемой программы" на стадии стабилизации для проведения практических занятий. Технология нефункционального тестирования, ее преподавание.
дипломная работа [2,3 M], добавлен 31.05.2016- Разработка и исследование метода сетевого оператора для адаптивного управления динамическим объектом
Понятие адаптивного управления как совокупности действий и методов, характеризующихся способностью управляющей системы реагировать на изменения внешней среды. Применение метода сетевого оператора для синтеза адаптивного управления мобильным роботом.
дипломная работа [1,4 M], добавлен 17.09.2013 Роль и возможности адаптивной модели в организации образовательного процесса. Структура и механизм навигации в адаптивной модели обучения АЯП Prolog. Программная реализация адаптивной модели обучения. Демонстрация созданного программного продукта.
курсовая работа [1,6 M], добавлен 19.06.2015Операции реляционной алгебры. Программы построения плана выполнения запроса. Разработка обучающей программы запросов с использованием реляционных операций. Проектирование программы обучения реляционной алгебре. Требования к программной документации.
курсовая работа [56,0 K], добавлен 25.11.2010Разработка программы с использованием GPSS, моделирующей процесс работы взлётно-посадочной полосы. Сравнение результатов имитационного моделирования и аналитического расчета характеристик. Блок-диаграмма модели. Возможные улучшения в работе системы.
курсовая работа [393,3 K], добавлен 03.07.2011
