slide1 n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Нейроимитатор нейронных сетей на основе нечеткого многослойногРPowerPoint Presentation
Download Presentation
Нейроимитатор нейронных сетей на основе нечеткого многослойногÐ

Loading in 2 Seconds...

play fullscreen
1 / 17

Нейроимитатор нейронных сетей на основе нечеткого многослойногР- PowerPoint PPT Presentation


  • 235 Views
  • Uploaded on

Самарский государственный аэрокосмический университет имени академика С.П. Королева Национальный исследовательский университет. Нейроимитатор нейронных сетей на основе нечеткого многослойного персептрона. Выполнили: студент 662 гр. Новиков В.В .

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'Нейроимитатор нейронных сетей на основе нечеткого многослойногÐ' - adrienne-burke


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
slide1

Самарский государственный аэрокосмический университет имени академика С.П. Королева

Национальный исследовательский университет

Нейроимитатор нейронных сетей на основе нечеткого многослойного персептрона

Выполнили: студент 662 гр. Новиков В.В.

студент 661 гр. Расщепкин Е.А.

  • MLP и FMLP;
  • сеть Эльмана;
  • нейроимитаторы;
  • описание программы;
  • результаты.

Самара 2010

slide2

Структура многослойного персептрона

Любую непрерывную многомерную функцию на единичном отрезке [0;1] можно представить в виде конечного числа одномерных:

slide3

Многослойный

персептрон

Структура нечеткого многослойного персептрона

Выходной вектор

Входной вектор

«Нечеткий слой»: состоит из радиально-базисных нейронов с гауссовой функцией активации

slide4

количество нейронов «нечеткого слоя» определяется числом кластеров;

  • количество скрытых слоев и число нейронов в этих слоях может быть произвольным;
  • размерность выходного слоя зависит от размерности выходного вектора.

Особенности нечеткого многослойного персептрона

slide5

Входной слой

Выходной слой

Структура сети Эльмана

Элементы обратной связи

Обратная связь

Скрытый слой

slide6

алгоритм обратного распространения ошибки и наискорейшего спуска;

  • алгоритм C-means (для нечеткого слоя).

алгоритмы обучения

slide7

описание и формирование архитектуры нейронной сети;

  • сбор данных для обучающей выборки;
  • обучение выбранной нейросети на обучающей выборке или загрузка уже обученной сети с диска;
  • тестирование обученной нейросети;
  • решение задач обученной сетью;
  • запись результатов обучения и полученных решений на диске.

Функции нейроимитаторов

slide8

Нейро-офис;

  • NeuroPro;
  • NeuroIterator;
  • Statistica;
  • NeuroSolutions;
  • Сигнейро;
  • и др.

Существующие нейроимитаторы

slide9

Главное меню

Главное окно программы

Инструменты визуального создания сети

Вложенное окно просмотра/создания сети

slide10

Выбор типа сети:

  • многослойный персептрон;
  • нечеткий многослойный персептрон;
  • сеть Эльмана.

Окно создания сети

slide11

Параметры алгоритмов обучения

  • Задача классификации ирисов Фишера:
  • алгоритм обратного распространения ошибки и наискорейшего спуска:
    • коэффициент обучения - 0.1;
    • момент - 0.1.
  • алгоритм C-means :
    • момент - 2.
slide12

Просмотр сведений о нейронах сети

Текущей нейрон выбранного слоя сети

slide13

СКО по векторам из вкладки тестирования

Исследование сети

Тестирование сети по загруженной выборке с возможностью экспорта результатов в Excel

Расчёт выходного вектора по данным входного вектора

slide14
Результаты экспериментов

Рекуррентная сеть Эльмана

Нечеткий многослойный персептрон

Многослойный персептрон

slide15
Заключение
  • Разработано программное средство для работы с нейронными сетями:
  • многослойный персептрон;
  • нечеткий многослойный персептрон;
  • рекуррентная сеть Эльмана.
  • Реализованы алгоритмы обучения:
  • алгоритм обратного распространения ошибки и наискорейшего спуска;
  • C-means.
  • Проведен анализ работы.
  • Результаты:
  • схожие результаты;
  • не точно классифицированы 2 ириса;
  • лучший результат дал нечеткий многослойный персептрон.
slide16
Литература

Царегородцев В. Г. // Искусственные нейронные сети [Электронный ресурс]. – Режим доступа: http://neuropro.ru/neu4.shtml.

Осовский С. Нейронные сети для обработки информации / Пер. с польского И.Д. Рудинского. – М.: Финансы и статистика, 2002. – 344с.:ил.

Методы нейроинформатики / Под ред. А.Н. Горбаня, КГТУ, Красноярск, 1998. 205с.

Хайкин, Саймон Нейронные сети: полный курс, 2-е издание.: Пер. с англ. - М.: Издательский дом "Вильямс", 2006. - 1104с.: ил. - Парал. тит. англ.

Palit, Ajoy K. Computational intelligence in time series forecasting: theory and engineering application – Bremen, Germany: Springer, 2005. – 381p.:il.

slide17

Спасибо за внимание!!!

Iris setosa

Iris virginica

Iris versicolor