- •«Вятский государственный университет» (фгбоу впо «ВятГу»)
- •Исходные данные
- •Выбор оптимального количества кластеров (слой Кохонена).
- •Выбор оптимальной скорости обучения.
- •Скорость обучения: 0,01
- •Выбор оптимального порога итераций (в выборках).
- •Порог итераций (в выборках): 1000
- •Выбор оптимального размера окрестности.
- •Размер окрестности (доля от сети): 0,3
- •Этап 2. Создание нейросетевой эс на базе сети арт2.
- •2) Всего векторов: 7
- •3) Всего векторов: 7
- •4) Всего векторов: 7
- •5) Всего векторов: 7
- •6) Всего векторов: 7
- •Степень схожести: 0,8
- •7) Всего векторов: 7
- •Степень схожести: 0,85
- •2) Всего векторов: 7
- •2) Всего векторов: 7
- •3) Всего векторов: 7
- •Данный вектор не относится ни к одному из приведенных классов.
- •Этап 3. Сравнение результатов.
- •Выводы:
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.
