Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Гнилуша СИИ лаб8(1).doc
Скачиваний:
2
Добавлен:
01.05.2025
Размер:
2 Мб
Скачать
☆
    1. Выбор оптимального размера окрестности.

Размер окрестности (доля от сети): 0,9

Прогнозируемые выходные вектора (результаты, полученные в NeuroPro):

OUT1

OUT2

OUT3

OUT4

OUT5

OUT6

OUT7

-1,021

-1,02

-1,089

-1,027

-1,026

-0,369

1,028

-0,974

-0,991

-1,001

-0,978

0,979

-1,056

-1,018

-1,021

-0,936

-0,886

0,922

-0,953

-0,974

-1,029

0,922

-0,986

-0,926

-0,996

-0,968

-1,032

-1,046

-0,995

1

-0,986

-0,737

-1,024

-1,014

-1,039

Полученные выходные вектора:

Размер окрестности (доля от сети): 0,7

Прогнозируемые выходные вектора (результаты, полученные в NeuroPro):

OUT1

OUT2

OUT3

OUT4

OUT5

OUT6

OUT7

-1,021

-1,02

-1,089

-1,027

-1,026

-0,369

1,028

-0,974

-0,991

-1,001

-0,978

0,979

-1,056

-1,018

-1,021

-0,936

-0,886

0,922

-0,953

-0,974

-1,029

0,922

-0,986

-0,926

-0,996

-0,968

-1,032

-1,046

-0,995

1

-0,986

-0,737

-1,024

-1,014

-1,039

Полученные выходные вектора:

Размер окрестности (доля от сети): 0,3

Прогнозируемые выходные вектора (результаты, полученные в NeuroPro):

OUT1

OUT2

OUT3

OUT4

OUT5

OUT6

OUT7

-1,021

-1,02

-1,089

-1,027

-1,026

-0,369

1,028

-0,974

-0,991

-1,001

-0,978

0,979

-1,056

-1,018

-1,021

-0,936

-0,886

0,922

-0,953

-0,974

-1,029

0,922

-0,986

-0,926

-0,996

-0,968

-1,032

-1,046

-0,995

1

-0,986

-0,737

-1,024

-1,014

-1,039

Полученные выходные вектора:

Вывод: в ходе выполнения лабораторной работы при подборе оптимального размера окрестности было определено, что оптимальным размером окрестности будет размер окрестности равный 0,3 от сети.

Также, после нахождения оптимального размера окрестности, можно выделить оптимальные параметры сети для данной обучающей таблицы при использовании программы, моделирующей работу нейронных сетей встречного распределения. Оптимальными параметрами сети являются:

  • число кластеров (слой Кохонена): 10;

  • скорость обучения: 0,01;

  • порог итераций (в выборках): 1000;

  • размер окрестности (доля от сети): 0,3.