====== - LAB: Tworzenie prostych sieci neuronowych ======

Celem ćwiczenia jest zapoznanie się z uczeniem prostych sieci neuronowymi.
Obejmuje to budowanie struktury sieci, jej uczenie i użycie do klasyfikacji przypadków danych.

===== Wprowadzenie =====

Do przeczytania i przygotowania:
  * AIM 20.5
  * CIL 5.3

===== Narzędzia =====

Podstawowym narzędziem do realizacji ćwiczeń jest program [[http://www.aispace.org/neural/|Neural nets]] z [[http://www.aispace.org|AIspace]].


===== Ćwiczenia =====

==== Używanie gotowych sieci ====
Pracuj w parze z Koleżanką/Kolegą.
Uruchom narzędzie pisząc w konsoli tekstowej ''ais-neural''.

  - Przeczytaj //[[http://www.aispace.org/neural/help/tutorial2.shtml|tutorial]]//. 
  - Załaduj przykładowe zadanie //Mail reading// przez //File/Load Samle graph and data//. Sieć modeluje klasyfikację przypadków sytuacji czytania wiadomości w zależności od 4 parametrów.
  - Obejrzyj opis //Help/Legend//.
  - Przejdź do uczenia sieci, zakładka //Solve//. Ustaw //Auto step speed// na Medium 0.5s.
  - Dokonaj inicjalizacji parametrów sieci.
  - Włącz uczenie, najpierw 5 pojedynczych kroków, a potem włącz uczenie w 50 krokach. Uczenie sieci z warstwą ukrytą (3 warstwy) jest realizowane algorytmem ze wsteczną propagacją błędów.
  - Obejrzyj przypadki dla uczenia sieci //View/Edit examples//.
  - Obejrzyj statystyki uczenia: //Show plot// i //Statistics//.
  - Podaj ręcznie kilka przykładów do klasyfikacji dla sieci: //Calculate output//
  - Spróbuj powtórzyć ćwiczenie dla innych wybranych przykładów.

==== Budowa sieci ====

  - Przeczytaj //[[http://www.aispace.org/neural/help/tutorial2.shtml|tutorial]]//. 
  - Załaduj przykładowy zbiór danych do budowy sieci //Small car data// przez //File/Load Samle data//. Sieć modeluje klasyfikację samochodów do 4 klas na podstawie szeregu parametrów.
  - Obejrzyj opis //Help/Legend//.
  - Obejrzyj opis tekstowy sieci //Edit/View text representation//. Zwróć uwagę na dane uczące.
  - Przejdź do uczenia sieci, zakładka //Solve//. Ustaw //Auto step speed// na Medium 0.5s.
  - Dokonaj inicjalizacji parametrów sieci.
  - Wybierz przykłady testowe ze zbioru uczących //[[http://www.aispace.org/neural/help/tutorial2.shtml|tutorial]]//.
  - Włącz uczenie.
  - Obserwuj statystyki uczenia.
  - Podaj ręcznie kilka przykładów do klasyfikacji dla sieci: //Calculate output//

==== Własna sieć ====

  - Załaduj i obejrzyj przykład //Likes TV//
  - Stwórz analogiczną sieć od nowa, ma klasyfikować czy użytkownik ogląda jakąś kategorię programu telewizyjnego w zależności od pory dnia.
  - Przez opcję //File/Creat new graph// stwórz nową sieć.
  - Załóż, że będą 3 klasy programów (np. oglada, obojetne, nieoglada) (neurony wyjściowe), 2 neurony ukryte, wymyśl kilka cech wejściowych związanych z typem programu i jego porą emisji.
  - Utwórz przypadki dla uczenia sieci //View/Edit examples// i dokonaj uczenia.