50862

Нейронная сеть Хебба

Лабораторная работа

Информатика, кибернетика и программирование

Поскольку вектор (у1, у2) = (1, -1) равен вектору (t1, t2), то вычисления прекращаются, так как цель достигнута – нейрон правильно распознает заданные изображения. Задание 2. Обучить бинарный нейрон распознаванию изображений X1 и X2. При этом изображению X1 пусть соответствует выходной сигнал нейрона...

Русский

2014-01-31

66.5 KB

11 чел.

Министерство образования, науки, молодёжи и спорта Украины

ОДЕССКИЙ НАЦИОНАЛЬНЫЙ МОРСКОЙ УНИВЕРСИТЕТ

Кафедра «Информационные технологии»

Отчёт о выполнении лабораторной работы №4

 

«Нейронная сеть Хебба»

Выполнил:

Студент КСФ 4 к. 4 гр.

Мельников В.Е.

Проверил:

Рудниченко Н.Д.

Одесса 2013

Задание

Задание 1. Обучить биполярный нейрон распознаванию изображений X1, и Х2. При этом потребуем, чтобы изображению X1 соответствовал выходной сигнал нейрона "+1", а изображению X2 - сигнал "-1".

                                    X1                                               

1

2

3

4

5

6

7

8

9

1

2

3

4

5

6

7

8

9

Рис.1. Входные изображения

Шаг 1. Задаем множество

M={(X1 = (1,-1, 1,1, 1,1,1,-1, 1),1), (X2 =(1,1, 1,1,-1,-1,1,1, 1),-1)};

инициируем веса связей нейрона: wi = 0, i =0…9.

Шаг 2. Для каждой из двух пар (X1, 1), (X2, -1), выполняем шаги 3 - 5.

Шаг 3. Инициируем множество входов нейрона для изображения первой пары: x0 = 1, xi=xi1, i =0…9.

Шаг 4. Инициируем выходной сигнал нейрона для изображения первой пары: y =t1=1.

Шаг 5.  Корректируем веса связей  нейрона по  правилу Хебба

wi = wi +xi1y   (i =0…n):

w1 = w3 = w4 = w5=w6 = w7 = w9 = 0+1*1=1;

w2 = w8=0+(-1)*1=-1.

Шаг 3. Инициируем множество входов нейрона для изображения X2 второй пары: x0 = 1, xi=xi2, i =0…9.

Шаг 4. Инициируем выходной сигнал нейрона для изображения второй пары (X2, t2):

y = t2 = -1.

Шаг 5. Корректируем веса связей нейрона:

wi = wi +xi2y   (i =0…n):

w1 = w3= w4= w9 = 1+(1)*(-1)=0;

w2 = w7= w8=-1+1*(-1)=-2;

w5 = w6 = 1+(-1)*(-1)=2;

Шаг 6. Проверяем условия останова.

Рассчитываем входные и выходной сигналы нейрона при предъявлении изображения X1:

=1*0+(-1)*(-2)+1*0+1*0+1*2+1*2+1*(-2)+(-1)*(-2)+1*0+0=6,

y1 = 1, так как  S1  >  0.

Рассчитываем входной и выходной сигналы нейрона при предъявлении изображения X2:

 

                                    =1*0+1*(-2)+1*0+1*0+(-1)*2+(-1)*2+1*(-2)+1*(-2)+1*0=-10,

y2 = -1, так как  S2  <  0.

Поскольку вектор (у1, у2) = (1, -1) равен вектору (t1, t2), то вычисления прекращаются, так как цель достигнута – нейрон правильно распознает заданные изображения.

Задание 2. Обучить бинарный нейрон распознаванию изображений X1 и X2. При этом изображению X1 пусть соответствует выходной сигнал нейрона "+1", а изображению X2 - "0".

Шаг 1. Задаем множество

M={( X1 = (1,0, 1,1, 1,1,1,0, 1),1), (X2 =(1,1, 1,1,0,0,1,1, 1),0)};

и инициируем веса связей нейрона wi = 0, i = 0…9.

Шаг 2. Для каждой из двух пар (X1, 1), (X2, 0), выполняем шаги 3 - 5.

Шаг 3. Инициируем множество входов нейрона для изображения первой пары: x0 = 1, xi=xi1, i =0…9.

Шаг 4. Инициируем выходной сигнал нейрона для изображения первой пары: y =t1=1.

Шаг 5.  Корректируем веса связей  нейрона по  правилу Хебба

w1 = w3 = w4 = w5=w6 = w7= w8= w9 = 0+1=1;

w2 = w8=0+0=0.

Шаг 3. Инициируем множество входов нейрона для изображения X2 второй пары: x0 = 1, xi=xi2, i =0…9.

Шаг 4. Инициируем выходной сигнал нейрона для изображения второй пары (X2, t2):

y = t2 = 0.

Шаг 5. Корректируем веса связей нейрона:

w1 = w3= w4 = w9= 1-1=0;

w2 = w7= w8=0+(-1)=-1;

w5= w6 =1+0=1;

Шаг 6. Проверяем условия останова.

Рассчитываем входные и выходной сигналы нейрона при предъявлении изображения X1:

         =1*0+0*(-1)+1*0+1*0+1*1+1*1+1*(-1)+0*(-1)+1*0+0=1,

y1 = 1, так как  S1  >  0.

Рассчитываем входной и выходной сигналы нейрона при предъявлении изображения X2:

 

                                    =1*0+1*(-1)+1*0+1*0+0*1+0*1+1*(-1)+1*(-1)+1*0=-3,

y2 = 0, так как  S2  <  0.

Поскольку вектор (у1, у2) = (1, 0) равен вектору (t1, t2), то вычисления прекращаются, так как цель достигнута – нейрон правильно распознает заданные изображения.


 

А также другие работы, которые могут Вас заинтересовать

67557. НОРМИРОВКА В НЕПРЕРЫВНОМ СПЕКТРЕ 299 KB
  Классическому инфинитному движению отвечают состояния с обобщенными волновыми функциями которые нельзя нормировать а энергетический спектр является непрерывным. Возникает проблема нормировки волновых функций непрерывного спектра. Реально же на самом деле спектр всегда является дискретным так как...
67558. ГАРМОНИЧЕСКИЙ ОСЦИЛЛЯТОР 773 KB
  Мы получили, что волновые функции стационарных состояний осциллятора являются или четными или нечетными. Оказывается, этот результат можно было предсказать заранее, не решая задачу. Сделаем в этой связи отступление, которое представляет и значительный самостоятельный интерес.
67559. КОГЕРЕНТНЫЕ СОСТОЯНИЯ 390.5 KB
  Доказательство основывается на математическом результате, что всякий эрмитов оператор с конечным следом (такие операторы называются ядерными) имеет чисто дискретный спектр. Ставим задачу на собственные значения...
67560. ОРБИТАЛЬНЫЙ МОМЕНТ ИМПУЛЬСА 637 KB
  Дальше мы намерены перейти к анализу движения частицы в центральном поле. Как и в классической физике, здесь очень важную роль играет момент импульса. Но в квантовой механике бывает два момента импульса - связанный с движением частицы и имеющий классический аналог, и не связанный с движением частицы...
67561. МАТРИЦЫ ОПЕРАТОРОВ МОМЕНТА ИМПУЛЬСА 738 KB
  Мы хотим найти матрицы спиновых операторов в явном виде. Для этого решим сначала более общую задачу - найдем матрицы операторов момента и, которые удовлетворяют коммутационным соотношениям...
67562. КВАЗИКЛАССИЧЕСКОЕ ПРИБЛИЖЕНИЕ 363 KB
  В квантовой механике уравнение Шредингера для сколько-нибудь реалистических систем невозможно решить точно, в квадратурах. Поэтому здесь создано большое количество приближенных методов исследования. Мощнейший из них - теорию возмущений - мы рассмотрим позже.
67563. ТЕОРИЯ ВОЗМУЩЕНИЙ 295.5 KB
  Значительный интерес представляет как бы промежуточный случай. Уровни не вырождены (это не случай 2), но они очень близко расположены, так что не выполняется необходимое условие применимости теории возмущений (т.е. это и не случай 1).
67564. ВАРИАЦИОННЫЙ МЕТОД 239 KB
  Ищем функции доставляющие функционалу экстремум при дополнительном условии нормировки. Таким образом вместо того чтобы решать уравнение Шредингера можно искать функции которые доставляют экстремум функционалу J. Возьмем собственные функции гамильтониана...
67565. ОСНОВЫ КВАЗИРЕЛЯТИВИСТСКОЙ КВАНТОВОЙ ТЕОРИИ. УРАВНЕНИЕ КЛЕЙНА-ГОРДОНА 192 KB
  Видим, что трудность проистекает из-за того, что в уравнении - вторая производная по времени. Попытаемся получить релятивистское уравнение первого порядка по времени. Но в СТО время и координаты равноправны, поэтому уравнение должно быть первого порядка и по координатам. Общий вид такого уравнения...