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
5.6. Нейропакет MPIL5.6.1. Общая характеристикаПакет моделирования нейронных сетей MPIL (Multi-Pass Instance-Based Learning) представляет собой разработку фирмы Universal Problem Solvers, Inc.. Его демо-версия доступна в Интернет по адресу: http://www.simtel.net/simtel.net/win3/neural-pre.html. Нейропакет работает под Windows и крайне нетребователен к вычислительным ресурсам. Хотя программа декларируется как нейропакет, на самом деле она не создает нейронную сеть в обычном понимании и не использует известные алгоритмы обучения. Принцип действия пакета основан на идеях кластерного анализа: на основе многократного перебора обучающей выборки формируется набор опорных элементов, с помощью которых можно объяснить свойства всех остальных. Работа пакета возможна в двух режимах. В первом режиме (MPIL-1) реализуется метод «М ближайших соседей»: для каждого предъявляемого входного вектора находятся М ближайших (например, в смысле евклидова расстояния) опорных векторов, ассоциированных с эталонными выходными, по которым и рассчитывается выход сети. Во втором режиме (MPIL-2) пакет дополнительно генерирует логические правила причинно-следственных отношений между примерами обучающей выборки, т. е. позволяет извлекать знания из экспериментальных данных. В этом, а также в очень быстром, практически мгновенном, обучении и состоят уникальные свойства пакета. 5.6.2. Интерфейс программыПосле запуска программы появляется ее окно вида рис. 5.53. Рис. 5.53. (см. скан) Окно программы MPIL Пункты и опции меню в верхней части окна следующие. Пункт File (Файл) имеет только две опции: Edit (Редактировать) и Exit (Выход из программы). Пункт Instances (Примеры) содержит четыре опции: Create (Создать), Load (Загрузить), Save (Сохранить), Train (Обучать). Пункт Test (Тестирование) имеет две опции- Check Accuracy (Проверить точность), Classify (Классифицировать). Также две опции содержит пункт меню Batch (Пакет): Random Testing (Случайное тестирование), Training (Обучение). Опции пункта Rules (Правила) таковы: Extract (Извлечь), Import (Импортировать). Наибольшее количество опций содержит пункт меню Parameters (Параметры): • Learn Mode (Режим обучения) - при выборе опции появляется диалоговое окно (рис. 5.54), позволяющее установить требуемый режим обучения для MPIL-1 или MPIL-2.
Рис. 5.54. Диалоговое окно для задания режима обучения • Distance Measure (Мера расстояния) - мера сходства между примерами выборки; обращение к опции приводит к появлению диалогового окна вида рис. 5.55, позволяющего задать одно из трех возможных расстояний: Hamming (хэммингово), Euclidean (евклидово) или Square (модуль наибольшей разности между элементами двух векторов).
Рис. 5.55 Диалоговое окно для задания меры расстояния • Display Info (Информация дисплея) - в случае установки флага на опции будет отображаться дополнительная информация во время подготовки, тестирования и других операций MPIL. • Show Files (Показать файлы) - при установке флага на этой опции процессы обучения, тестирования и работы сети завершаются показом соответствующих файлов. Learning (Обучение) - при выборе этой опции появляется диалоговое окно вида рис. 5.56, позволяющее установить требуемые параметры обучения.
Рис. 5.56 Окно установки параметров обучения • Num. Batch Runs (Количество прогонов пакета) - используется вместе с опцией Random Testing (Случайное тестирование) пункта меню Batch для организации случайного перекрестного тестирования сети • Setup (Установка) - имеет, в свою очередь, две опции Load и Save, позволяющие загрузить или сохранить конфигурацию программы Наконец, пункт меню Help (Справка) содержит опцию запуска достаточно подробного файла справки и опцию запуска режима регистрации 5.6.3. Правила работы с программойПравила работы с программой рассмотрим на примере моделирования логической функции «Исключающее ИЛИ» 1) Подготовка исходных данных Подготовим два текстовых файла
и сохраним их с именами хог net и хог tes Первый файл будет использоваться для обучения, второй - для тестирования нейронной сети Обязательная информация таких файлов содержится в их первых строках Это количество входов (Nmputs), в нашем случае - 2, количество выходов (Noutputs) - 1 и общее число примеров обучающей выборки (NTrainingPatterns) -4 2) Обучение сети Запустим программу MPIL, выберем пункты меню Instances/Create и в окне диалога откроем файл хог net Появится сообщение вида рис. 5.57, подтверждающее создание примеров Нажмем кнопку ОК
Рис. 5.57 Окно подтверждения создания примеров Оставим большинство параметров обучения по умолчанию, а с помощью пунктов меню Parameters/Learn Mode выберем режим обучения MPIL-2 Далее пунктом меню Instances/Train запустим процесс обучения Появится окно (рис. 5.58) с информацией об обучении нейронной сети
Рис. 5.58 Информация об обучении нейронной сети Нажмем кнопку ОК, после чего откроется блокнот Windows с информацией вида рис 5 59
Рис. 5.59. Дополнительная информация об обучении нейронной сети Данную информацию можно принять к сведению, после чего блокнот следует закрыть и перейти к тестированию выбором команд Test/Check Accuracy с указанием имени подготовленного тестового файла xot.tes и выходного файла (файла протокола) xor.out. Выполнив указанные действия, получим сообщение вида рис. 5.60, из которого следует, что тестирование успешно завершено.
Рис. 5.60 Информация о результатах тестирования Подтвердим это нажатием кнопки ОК, в ответ на что получим открытую страничку блокнота (рис. 5.61). Закроем эту страницу и проверим, как программа извлекает знания. Выберем команду Rules/Extract, укажем в качестве имени файла протокола xor.rul. После выполнения команды получим информацию вида рис. 5.62. Что здесь что? Через Рис. 5.61. (см. скан) Детальная информация о результатах тестирования Рис. 5.62. (см. скан) Правила, извлеченные программой MPIL Теперь можно закрыть блокнот и сохранить полученную сеть через пункты меню Instances/Save с указанием имени файла, например, xor.sav. На этом работа с программой закончена. При желании можно с помощью какого-либо текстового редактора просмотреть образованные программой файлы. 5.6.4. Впечатления от работы с пакетомПодкупает простота программы и возможность автоматического извлечения знаний Проверка на ряде примеров показала достаточно хорошие моделирующие возможности пакета MPIL
|
1 |
Оглавление
|