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

Do przeczytania i przygotowania:

• AIM 20.5
• CIL 5.3

Podstawowym narzędziem do realizacji ćwiczeń jest program Neural nets z AIspace.

Pracuj w parze z Koleżanką/Kolegą. Uruchom narzędzie pisząc w konsoli tekstowej ais-neural.

1. Przeczytaj tutorial.
2. Załaduj przykładowe zadanie Mail reading przez File/Load Samle graph and data. Sieć modeluje klasyfikację przypadków sytuacji czytania wiadomości w zależności od 4 parametrów.
3. Obejrzyj opis Help/Legend.
4. Przejdź do uczenia sieci, zakładka Solve. Ustaw Auto step speed na Medium 0.5s.
5. Dokonaj inicjalizacji parametrów sieci.
6. 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.
7. Obejrzyj przypadki dla uczenia sieci View/Edit examples.
8. Obejrzyj statystyki uczenia: Show plot i Statistics.
9. Podaj ręcznie kilka przykładów do klasyfikacji dla sieci: Calculate output
10. Spróbuj powtórzyć ćwiczenie dla innych wybranych przykładów.

1. Przeczytaj tutorial.
2. 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.
3. Obejrzyj opis Help/Legend.
4. Obejrzyj opis tekstowy sieci Edit/View text representation. Zwróć uwagę na dane uczące.
5. Przejdź do uczenia sieci, zakładka Solve. Ustaw Auto step speed na Medium 0.5s.
6. Dokonaj inicjalizacji parametrów sieci.
7. Wybierz przykłady testowe ze zbioru uczących tutorial.
8. Włącz uczenie.
9. Obserwuj statystyki uczenia.
10. Podaj ręcznie kilka przykładów do klasyfikacji dla sieci: Calculate output

1. Załaduj i obejrzyj przykład Likes TV
2. Stwórz analogiczną sieć od nowa, ma klasyfikować czy użytkownik ogląda jakąś kategorię programu telewizyjnego w zależności od pory dnia.
3. Przez opcję File/Creat new graph stwórz nową sieć.
4. 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.
5. Utwórz przypadki dla uczenia sieci View/Edit examples i dokonaj uczenia.