|
|
метдичка 1 и 2. Лабораторная работа 1 Демонстрация применения и работы нейросетей. Задание изучить области применения нейросетей по демонстрационным примерам
Лабораторная работа №1 «Демонстрация применения и работы нейросетей».
Задание:
изучить области применения нейросетей по демонстрационным примерам;
сформулировать типы задач, решаемых с использованием нейросетей;
составить таблицу, включив в нее все рассмотренные в примерах архитектуры
-
-
-
-
-
тип задачи
|
архитектура нейросети
|
для указанных в варианте архитектур нарисовать схему сети и привести краткие описания.
По демонстрационному примеру изучить возможности оболочки NeuroShell.
По демонстрационному примеру изучить работу нейросети.
Вопросы для проверки.
Какие изменения происходят в нейросети при обучении?
Этапы создания нейросетевой модели в оболочке NeuroShell?
Какие архитектуры сетей поддерживает NeuroShell?
Чем отличаются NeuroShell и NeuroWindows?
Настройки обучения и тестирования нейросетей.
Как рассчитывается ошибка цикла обучения нейросети?
Как обучается нейросеть в задаче выделения амплитуды из зашумленного сигнала?
Как обучается нейросеть в задаче прогнозирования индексов?
Как обучается нейросеть в задаче аппроксимации зависимостей?
В отчет включить краткое описание рассмотренных задач, сформированную таблицу, ответы на вопросы.
Лабораторная работа №2 «Демонстрация работы генетических алгоритмов».
Задание (GeneHuntere demo):
-
изучить работу демонстрационных примеров;
сформулировать типы задач, решаемых с использованием генетических алгоритмов;
ответить на вопросы;
определить, как в предлагаемых примерах параметры алгоритма влияют на результат;
-
исходя из постановки задачи, данной преподавателем, сформировать в Excel набор данных для их использования в GeneHuntere.
На основе приведенного примера сформулировать в терминах генетических алгоритмов (в Excel) задачу о распределении инвестиций:
Пусть имеется некоторый капитал R, который нужно распределить между несколькими проектами с целью получения максимального дохода через определенный срок. Для каждого проекта задана функция дохода, приносимого проектом за этот срок, в зависимости от вложенной суммы. Вкладывать в проект слишком большую сумму запрещено. В данной задаче целевой функцией является суммарная прибыль от инвестиций, а управляемыми параметрами — объемы вложений в каждый из проектов.
Вопросы.
Что такое ген?
На каком этапе генетического алгоритма в нескольких случайно выбранных особях нового поколения изменяются некоторые гены?
3. По какому принципу выбирается индивидуум для скрещивания?
Какие этапы включает в себя генетический алгоритм?
На сколько точные решения получаются в результате работы генетического алгоритма и с чем это связано?
На основе какой функции строится функция приспособленности?
Перечислите критерии остановки генетического алгоритма.
В чем заключается принцип критерия остановки генетического алгоритма по ошибке?
Назовите 3 условия применимости генетического алгоритма для задач, связанных с поиском оптимального решения.
Какие методы отбора в генетическом алгоритме вы знаете?
При каком методе отбора обязательно будут выживать лучший или лучшие члены популяции?
В чем различие между одноточечным и двухточечным кроссовером?
Как называется численность популяции в терминологии генетического алгоритма?
Как называется скрещивание в терминологии генетических алгоритмов?
Каковы цели отбора с вытеснением?
В чем основное различие между целевой функции и функцией приспособленности?
Какие типы задач, решаются с помощью генетических алгоритмов?
В отчет включить список задач, решаемых генетическими алгоритмами, файл формата Excel, с данными для решения задачи распределения инвестиций в программе GeneHunter, ответы на вопросы.
|
|
|
Скачать 18.37 Kb.
