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

69019. Робота транзистора в ключовому режимі 131.5 KB
  В апаратурі телекомунікацій часто виникає необхідність використання каскадів, котрі пропускають сигнал або його не пропускають. Такі каскади називають ключовими. Вони будуються на БТ, які працюють у ключовому режимі (режимі перемикання).
69020. Багатопереходні структури. Призначення, будова, класифікація та позначення тиристорів 215.5 KB
  Основу тиристора складає пластинка з монокристалу силіцію з областями p і nтипу які чергуються рис. Анод і катод тиристора мають відводи. Класифікація і позначення тиристорів середньої і малої потужності Крім того відвод у тиристора може бути і від внутрішньої області.
69023. Підсилювальні властивості польового транзистора 394 KB
  Відповідні схеми наведено на рис. а б в Рис. Робота ПТ в режимі підсилення На схемах рис.1 напруга Езм що подається на затвор є напругою зміщення яка необхідна для вибору положення робочої точки на статичних характеристиках рис.
69024. Частотні властивості польових транзисторів 272.5 KB
  Це знижує ефективність управління затвора вхідною напругою Uзв. 1б струм джерела SU1 визначається не повною вхідною напругою Uзв а напругою U1 між затвором і каналом яка відрізняється від напруги Uзв падінням на опорі області каналу rк U1 = = Зі зростанням частоти напруга U1 зменшується тому...
69025. Модулированные сигналы. Сигналы угловой модуляции 225.5 KB
  Термины частотная и фазовая модуляция справедливо ассоциируются с изменением по закону модулирующего колебания частоты или фазы исходного немодулированного колебания: Определим более подробно смысл этих изменений. Что же тогда изменение фазы если представить исходное...
69026. Модулированные сигналы. Сигналы с импульсной модуляцией 152 KB
  Сигналы с импульсной модуляцией. В основу формирования всех видов импульсной модуляции положена теорема В. При импульсной модуляции переносчиком выступает периодическая последовательность видеоимпульсов с периодом следования Т и длительностью.
69027. Модулированные сигналы. Манипулированные сигналы 110 KB
  Временное представление манипулированных сигналов. Спектральное представление сигналов амплитудной манипуляции. Примеры спектров манипулированных сигналов. Спектральные случаи сигналов частотной и фазовой манипуляции.