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

6371. Економічні потреби суспільства і роль виробництва в їх задоволенні 178.42 KB
  Економічні потреби суспільства і роль виробництва в їх задоволенні. 1.Сутність та структура економічних потреб суспільства. 2.Економічний закон зростання потреб. 3.Економічні інтереси, їхня класифікація та взаємодія. 4.Мотиви та стимули ефективного ...
6372. Фундаменталізація та індивідуалізація підготовки фахівців з вищою освітою 52 KB
  Фундаменталізація та індивідуалізація підготовки фахівців з вищою освітою 1.Індивідуалізація навчання як важлива умова реформування вищої освіти. Індивідуалізація навчання - це надання можливості тому, хто навчається, самостійно обирати рівень...
6373. Поняття про екосистеми 135 KB
  Поняття про екосистеми Поняття виду і популяції. Структура та характеристика популяції. Визначення поняття екосистема. Характеристики біоценозу та біотопу. Динаміка екосистем. Штучні екосистеми - агр...
6374. Організація науково-дослідної роботи в Україні 138 KB
  Організація науково-дослідної роботи в Україні План Організаційна структура науки. Пріоритетні напрями розвитку науки в Україні. Система підготовки наукових і науково-педагогічних кадрів. Науково-дослідна робота студентів. Організацій...
6375. Організація навчального процесу у вищому навчальному закладі 108.5 KB
  Організація навчального процесу у вищому навчальному закладі 1.Європейська кредитно-трансферна та системанакопичення - ECTS У положенні використано терміни, що надані у Законах України Про вищу освіту від 17.01.2002 р. № 298...
6376. Дидактика вищої школи. Зміст освіти у ВНЗ 63.5 KB
  Дидактика вищої школи.Зміст освіти у ВНЗ План Сутність поняття дидактика вищої школи, іі мета, функції та завдання. Зміст освіти у вищій школі. Поняття про зміст освіти вищої школи та його проектування. Характеристика н...
6377. Графічна репрезентація даних статистичних досліджень 45.5 KB
  Тема 3. Графічна репрезентація даних статистичних досліджень. ПРИКЛАД 1. Спостерігали за 35 підлітками (а згодом - молодими людьми) у віці від 10 до 18 років, щороку фіксуючи, на скільки кожний з них виріс. Після цього визначили вік, протягом я...
6378. Захисник при перегляді судових рішень в порядку виключного провадження 77.5 KB
  Захисник при перегляді судових рішень в порядку виключного провадження План: Загальна характеристика та підстави перегляду судових рішень в порядкувиключного провадження. Поняття нововиявлених обставин та їххарактеристика. Захис...
6379. Бізнес-план в умовах ринкової системи господарювання 33.15 KB
  Бізнес-план в умовах ринкової системи господарювання Цілі: Особливості господарювання виноробних підприємств З'ясувати сутність і призначення бізнес-плану Визначити цілі розробки бізнес-плану Визначити види та о...