Nowa wersja
|
Poprzednia wersja
|
pl:prolog:prolog_lab:neural [2013/01/07 06:44] gjn utworzono |
pl:prolog:prolog_lab:neural [2019/06/27 15:50] (aktualna) |
| |
===== Ćwiczenia ===== | ===== Ćwiczenia ===== |
| |
==== Używanie gotowych sieci ==== | ==== Używanie gotowych sieci ==== |
Pracuj w parze z Koleżanką/Kolegą. | Pracuj w parze z Koleżanką/Kolegą. |
Uruchom narzędzie pisząc w konsoli tekstowej ''ais-neural''. | Uruchom narzędzie pisząc w konsoli tekstowej ''ais-neural''. |
| |
- Załaduj przykładowe zadanie ////. | - 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 ==== |
| |
==== Proste grafy ==== | - 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. |
| |