Пред.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 След.
Макеты страниц
Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике ДЛЯ СТУДЕНТОВ И ШКОЛЬНИКОВ ЕСТЬ
ZADANIA.TO
Глава 5. ПРОГРАММЫ МОДЕЛИРОВАНИЯ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙПомня золотое методическое правило «от простого - к сложному», рассмотрение нейропакетов начнем с простых и доступных для пользователя 5.1. Нейропакет Neural105.1.1. Общая характеристикаБесплатная версия пакета доступна через сеть Интернет по адресу http:/www.simtel net/simtel net/win3/neural-pre.html. Разработан пакет в 1992 г. (в Southern Scientific СС, South Africa) под Windows Основной исполняемый файл - Slug.exe. Пакет реализует одну нейросетееую парадигму - двухслойную сеть прямого распространения с одним алгоритмом обучения (обратного распространения ошибки) Активационная функция нейронов скрытого слоя - сигмоид, выходных нейронов - линейная 5.1.2. Создание, обучение и работа нейронной сетиДанные для обучения должны быть подготовлены в виде файла текстового формата с расширением по умолчанию .dat (вообще, допускаются любые расширения). Процедура работы с пакетом такова. 1) Обучающая выборка подготавливается в виде, аналогичном отображаемому табл. 4 1, но не в виде таблицы, а в виде колонок цифр, например, исходные данные для обучения нейронной сети решению задачи реализации функции «Исключающее ИЛИ» будут иметь вид.
Первые две строки - для комментариев, первый и второй столбцы отображают значения первой Выборка сохраняется в виде текстового файла (с рекомендуемым расширением dat), например, xor dat 2) Подготавливается пустой текстовый файл протокола (с расширением по умолчанию log), например, 3) Запускается программа Slug.exe, после чего на экране появляется контрольная панель программы (рис. 5.1), а также меню с опциями File, Parameters, Data, Train, Run
Рис. 5.1 Контрольная панель программы Slug exe Для создания нейронной сети выбирается опция меню File. В выпадающем подменю (содержащем опции New, Open, Save, Save as) выбирается пункт New (Новая), после чего появляется окно конструирования сети (рис. 5.2), где необходимо указать • число входных нейронов (Number of neurons in input layer), равное числу входных переменных, в нашем примере - 2, • число нейронов в выходном слое (Number of neurons in output layer), равное числу выходных переменных - 1, • число нейронов в скрытом слое (Number of neurons in hidden layer), выбираемое в соответствии с рекомендациями, приведенными в гл 1 (формулы (1.5)-(1.8))-2
Рис. 5.2 Окно конструирования конфигурации нейронной сети Задав данные значения подтверждаем это нажатием кнопки ОК, после чего опять появится вид контрольной панели рис 5 1 4) Теперь необходимо открыть подготовленные файлы с обучающей выборкой и протоколом Сделать это можно или с помощью опций меню Data, Input File (для файла обучающей выборки) и Data, Output File (для файла протокола), или с помощью кнопок панели Data File, Open и Log File, Open И в том, и в другом случае будет появляться окно вида рис. 5.3 с файлами данных с расширениями dat и с файлами протокола с расширениями log
Рис. 5.3 Окно загрузки файла данных Откроем подготовленные файлы xor dat и xor.log 5) Параметры процесса обучения задаются либо с помощью опции меню Parameters, либо с помощью одноименной клавиши в правой нижней части контрольной панели При этом появляется окно диалога вида рис. 5.4
Рис. 5.4 Окно установки параметров процесса обучения нейронной сети Параметры процесса обучения следующие коэффициент скорости обучения Learning Rate, импульс (Momentum), максимально допустимая ошибка (Maximum Error), максимальное число итераций в процессе обучения (об этих параметрах более подробно - в разд 1 4 и в прил 3) На рис 5 4 показаны значения данных параметров, устанавливаемые по умолчанию (параметр Kmod в программе не используется) Если нет каких-либо личных соображений, можно согласиться со значениями и подтвердить это нажатием кнопки ОК Окно при этом закроется, а панель приобретет вид рис 5 5 6) При нажатии кнопки Train можно наблюдать процесс обучения изменяются цифры в окошках Data Count (общее количество итераций) и в Current Error (текущая ошибка) Количество итераций, естественно, все время увеличивается, а текущая ошибка должна изменяться в сторону уменьшения Обучение заканчивается, если текущая ошибка становится меньше заданной или, если общее количество итераций достигает заданного максимального числа (процесс обучения можно принудительно приостановить нажатием кнопки Pause, а затем возобновить нажатием появляющейся кнопки Resume или вообще прекратить нажатием кнопки Stop)
Рис. 5.5. Контрольная панель после подготовки к процессу обучения Останов по второму критерию не очень хорош - он свидетельствует, что сеть не обучилась должным образом. Что же делать в такой ситуации? Вариантов действий здесь четыре: • изменить (увеличить, если возможно) объем обучающей выборки; • изменить структуру сети (увеличить число скрытых нейронов); • изменить параметры процесса обучения; • и, наконец, «потрясти» сеть нажатием кнопки Shake. При этом небольшим случайным образом изменяются веса сети, и часто это помогает выбираться из локальных минимумом ошибки в процессе обучения. Но в нашем случае все будет удачно, процесс обучения закончится с итоговыми цифрами, например,
В нижней части контрольной панели при этом появится надпись «Trained!» (обучена). 7) Теперь с помощью кнопки Save net или опций меню File, Save или File, Save as можно сохранить обученную сеть под каким-либо именем с расширением .апп, например, как хог.апп, и с помощью соответствующих кнопок Close (рис. 5.5) закрыть файлы обучающей выборки и протокола. Файл протокола содержит достаточно интересную информацию. Откроем его, например, с помощью текстового редактора. Для рассматриваемого примера содержимое файла xor.log примет следующий вид:
Вначале повторяется обучающая выборка (Ю MATRIX), затем требуемые (целевые) значения выхода этой выборки (DESIRED MATRIX), затем - значения входов в обучающей выборке (INPUT MATRIX), далее - набор данных, характеризующих изменение ошибки сети в процессе ее обучения (например, запись вида всеми нейронами скрытого слоя) с весами, соответственно, 8) Использовать обученную сеть достаточно просто Подготовим два текстовых файла первый, содержащий только наборы интересующих нас значений входов, для которых с помощью обученной сети требуется дать оценку выхода или выходов (с расширением dat), другой - пустой (с расширением log) для сохранения ответа сети, например, файл xortest dat, с данными
и файл xortest log Запустим программу Slug ехе, откроем файл сохраненной и обученной сети (хог апп) и оба подготовленных файла После нажатия кнопки Run контрольная панель примет вид рис. 5.6 Рис. 5.6 (см. скан) Контрольная панель программы Slug ехе после опроса обученной сети Что изменилось? В окошке Data Count появилась цифра 4 -по числу предъявленных входных наборов в файле xortest dat, а также надпись Run Complete (выполнение завершено) Теперь необходимо закрыть оба файла и ознакомиться с результатами работы сети, сохраненными в файле xortest log
Желаемый ответ содержится в третьем столбце нижней матрицы Комментарии, по-видимому, излишни Завершая описание работы с программой укажем на возможность «дозаписи» информации в уже имеющийся (и заполненный) log-файл - с помощью кнопки Append Это требуется в случае, когда имеется несколько файлов с данными, но желательно использовать один и тот же файл протокола Что можно отметить в заключение? Нейропакет крайне прост, но, тем не менее, позволяет решать достаточно сложные задачи с использованием нейросетевого подхода
|
1 |
Оглавление
|