Нейрокомп`ютерні системи в економіці

1. Ознайомитися з конспектом лекцій та рекомендованою літературою.

2. Вивчити архітектури формального нейрона, багатошарового персептрона та радіально-базисної мережі, а також методи їхнього навчання.

3. Використовуючи документацію рекомендованого викладачем програмного засобу, вивчити його архітектуру і компоненти, призначені для моделювання і навчання нейромереж прямого поширення, введення і виведення даних, підготовки звітів (виведення і відображення результатів роботи).

4. Визначити за табл. 1.1 згідно з номером варіанта студента (обирається за журналом) номер підрозділу Додатку В, що містить опис прикладної задачі, та номери контрольних питань, відповіді на які належить навести у звіті. Визначити за табл. 1.2 кількості шарів та нейронів у шарах для побудови багатошарових персептронів, а також функцію активації для завдання 6.

5. Використовуючи пакети MATLAB та Statistica Neural Networks для відповідних варіанту студента вхідних даних вирішити прикладну задачу на основі одношарового та багатошарового персептронів, використовуючи різні методи навчання та різні функції активації. Вирішити ту саму задачу на основі радіально-базисної мережі.

6. Змінюючи значення кроку навчання, для одношарового та багатошарового персептронів з заданою функцією активації, що відповідає номеру варіанту студента (див. табл. 1.2) дослідити, як впливає величина кроку навчання на час навчання. Побудувати графіки залежності часу навчання персептронів від величини кроку навчання.

7. Зберегти у файлі на диску початкові параметри нейромоделей, результати їхнього навчання (матрицю ваг та структуру з зазначенням функцій активації і кількості нейроелементів у шарах) та роботи для навчальної та контрольної вибірок (помилку класифікації (оцінювання), значення на входах і виході, час навчання, час класифікації).

8. Результати виконання пп. 5 - 7 занести в таблицю, стовпці якої повинні мати назви: назва архітектури нейромережі, кількість шарів, кількість нейронів у шарах, функції активації нейронів у шарах, метод навчання, час навчання, час класифікації (оцінювання) навченої мережі для навчальної вибірки, помилка класифікації (оцінювання) для навчальної вибірки, час класифікації (оцінювання) навченої мережі для тестової вибірки, помилка класифікації (оцінювання) для тестової вибірки.

9. Проаналізувати отримані результати і зробити висновки про те, як впливає вид функції активації формального нейрона на час навчання і час класифікації (оцінювання), а також величину помилки навчання і класифікації (оцінювання) одношарового персептрона; як впливають вид функції активації і вид коригувального правила ваг (метод навчання) на час навчання і класифікації (оцінювання), а також величину помилки навчання та класифікації багатошарового персептрона; яка модель нейромереж прямого поширення краще підходить для вирішення задачі, що відповідає варіанту.

10. Порівняти одношаровий та багатошаровий персептрони, радіально-базисну мережу та багатошаровий персептрон за швидкістю навчання і точністю класифікації; принципами побудови архітектури.

11. Відповісти на контрольні питання.

12. Оформити звіт з роботи.

Зміст звіту

1. Тема та мета роботи.

2. Номер варіанту та завдання до роботи, що містить стислий опис вирішуваної практичної задачі (не більше 0,5 сторінки).

3. Короткі теоретичні відомості (не більше 2 сторінок), що містять стислий опис архітектур формального нейрона, багатошарового персептрона і радіально-базисної мережі та методів їхнього навчання..

4. Опис процесу виконання роботи (не більше 3 сторінок).

5. Тексти програм, розроблених (модифікованих) студентом.

6. Вхідні дані та результати роботи програм, узагальнюючі таблиці, графіки.

7. Висновки, що містять відповіді на контрольні запитання (див. табл. 1.1), а також відображують результати виконання роботи та їх критичний аналіз.