Контрольні питання

1. Поняття: формальний нейрон, синапс, поріг, дискримiнантна (вагова) функцiя, функція активації, цільова функція навчання.

2. Загальне уявлення про навчання нейромереж.

3. Характеристики процесу навчання нейромереж.

4. Нейроннi мережi у пакетi MATLAB.

5. Метод Уiдроу-Хоффа. Чи завжди збігаються алгоритми навчання одношарового персептрона?

6. Чи доцільно застосовувати одношаровий персептрон для класифікації складно (нелінійно) роздільних образів?

7. Чи впливає величина кроку навчання на час навчання одношарового персептрона, багатошарової мережі? Відповідь обґрунтуйте теоретично та доведіть експериментально.

8. Які функції активації нейронів найчастіше використовують?

9. Чи впливає кількість використаних ознак на швидкість навчання персептрона? Відповідь обґрунтуйте теоретично та доведіть експериментально.

10. Багатошаровий персептрон: модель i принципи побудови архiтектури.

11. Які задачі можна вирішувати на основі багатошарових персептронів, а які не можна? Обґрунтуйте і доведіть відповідь. Приведіть приклади.

12. Які методи навчання багатошарових нейромереж Вам відомі?

4 Самостійна робота № 1

ПРОГРАМНІ ЗАСОБИ

ДЛЯ ПОБУДОВИ ІНТЕЛЕКТУАЛЬНИХ СИСТЕМ

Мета роботи: освоїти засоби середовища MATLAB для створення на його основі прикладних інтелектуальних систем.

Завдання до роботи

1. Використовуючи рекомендовану літературу вивчити основні принципи побудови програм для пакету MATLAB.

2. Розробити на мові для пакету MATLAB функції, що демонструють роботу з матрицями (із використанням матричних та масивних операцій), будують графіки, зберігають змінні на диску. Розроблені функції інтегрувати до графічної форми, яку створити за допомогою GUI.

3. Порівняти можливості пакету MATLAB із відомими системами програмування.

Зміст звіту

1. Мета роботи.

2. Короткі теоретичні відомості.

3. Тексти програм та інтерфейсні форми, розроблені студентом.

4. Вхідні дані та результати роботи програми.

5. Висновки, що містять відповіді на контрольні питання, а також відображують результати виконання роботи та їх критичний аналіз.

Контрольні питання

1. Архітектура та характеристики пакету MATLAB.

2. Інтелектуальний аналіз даних у пакеті MATLAB.

3. Поняття та властивості інтелектуальної системи.

4. Агентний підхід до інтелектуальних систем.

5. Архітектура інтелектуальної системи.

5 Самостійна робота № 2

САМООРГАНІЗАЦІЯ ТА НАВЧАННЯ БЕЗ УЧИТЕЛЯ. КЛАСТЕР-АНАЛІЗ

Мета роботи: вивчити та засвоїти на практиці методи кластер-аналізу та його використання для навчання з учителем та без учителя.

Завдання до роботи

1. Ознайомитися з конспектом лекцій та рекомендованою літературою. На алгоритмічній мові програмування пакету MATLAB написати програму, що використовує функції кластер-аналізу (див. додаток Б).

2. Згідно з номером студента за журналом для відповідного номера варіанта V сформувати навчаючу вибірку за допомогою формул лабораторної роботи № 1.

3. На основі вибірки виділити центри кластерів шляхом чіткої та нечіткої кластеризації.

4. Виконати нормування навчаючої вибірки даних.

5. На основі пронормованої вибірки виділити центри кластерів шляхом чіткої та нечіткої кластеризації.

6. Порівняти результати для чіткої та нечіткої кластеризації для нормованої та ненормованої вибірок.

Зміст звіту

1. Мета роботи.

2. Короткі теоретичні відомості до роботи.

3. Текст розробленої програми.

4. Сформована навчаюча вибірка.

5. Пронормована вибірка.

6. Координати центрів кластерів для ненормованої та нормованої вибірок після чіткої та нечіткої кластеризації.

7. Висновки. У висновках треба проаналізувати результати роботи, а також лаконічно відповісти на контрольні питання.