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

77790. ПРАВОВОЕ РЕГУЛИРОВАНИЕ ПОСТАВКИ ТОВАРОВ ДЛЯ ГОСУДАРСТВЕННЫХ НУЖД 158.95 KB
  Цели работы заключается в следующем: Определение и изучение процесса формирования заказов на поставку товаров для государственных нужд, Рассмотрение способов проведения процедуры размещения заказа на поставку государственных нужд...
77791. Деловая этика секретаря и руководителя 100.44 KB
  Этике деловых отношений уделяется в последнее время всё большее внимание. При отсутствии секретаря в рабочее время в дверь стучать не принято. В нерабочее время следует в дверь постучать; открыть ее можно только после того как услышали приглашение.
77792. РУЧНАЯ И МЕХАНИЗИРОВАННАЯ ДУГОВАЯ СВАРКА И НАПЛАВКА 9.11 MB
  В справочнике систематизированы материалы отражающие технологии дуговой сварки и наплавки металлов покрытым электродом в среде защитных газов плавящимся и неплавящимся электродом а также приведены основные сведения применительно к оборудованию...
77794. СОЗДАНИЕ БАЗЫ ДАННЫХ В MICROSOFT ACCESS 945.5 KB
  Реляционная база данных – база данных, которая позволяет определять отношения между различными категориями информации, например между данными о клиентах и данными о заказах. В результате имеется возможность совместного пользования данными.
77796. Изучение и составление математической модели идеального смесителя вещества и автоматического управления емкостью 1.92 MB
  Целью данной курсовой работы является изучение и составление математической модели идеального смесителя вещества и автоматического управления емкостью. В данном курсовом проекте представлена математическая модель идеального смесителя вещества и автоматического управления емкостью.
77797. ПРОЕКТИРОВАНИЕ ПРОЦЕССОВ АВТОМАТИЗАЦИИ 2.46 MB
  Целью данной курсовой работы является изучение и составление математической модели регулирования расхода контроля температуры и контроля уровня. Объект регулирования в качестве объекта регулирования в нашем случае является распределительная коробка...
77798. МОДЕЛИРОВАНИЕ ОБЪЕКТОВ АВТОМАТИЗАЦИИ 9.16 MB
  В данном курсовом проекте построены три модели объектов химической технологии следующих типов: гидравлическая ёмкость; теплообменный аппарат; химический реактор. Курсовой проект содержит пояснительную записку из 23 страниц текста, 23 рисунков и 3 литературных источников.