NAI, ćwiczenia do wykładu A.4







Wielowarstwowe nieszczęścia chodzą parami...
propagacja wsteczna









  Zadanie 1
Podczas uczenia sieci on-line na wejście sieci podano wzorzec uczący X=(-3, 4), oczekując na wyjściu wektora [1, 0, 1]. Jeśli trzeba, wykonaj jeden krok uczenia dla przedstawionej
sieci, wiedząc że neurony warstwy wyjściowej mają unipolarną funkcję aktywacji, zaś
neurony warstwy ukrytej funkcję bipolarną.



  Zadanie 2
Wyprowadź wzory, które mogłyby zostać wykorzystane w procesie uczenia
sieci neuronowej do korekty wag neuronów warstwy ukrytej.







  Zestaw 3A
Zaprojektować i zaimplementować sieć umożliwiającą klasyfikację obiektów dla wybranego samodzielnie zbioru z bazy danych testowych UCI
[www.ics.uci.edu/~mlearn/MLRepository.html].


  Zestaw 3B
Zaprojektować i zaimplementować sieć umożliwiającą klasyfikację obrazów monochromatycznych (wymiary 20 na 20) do jednej z dwóch grup: grupy obrazów zawierających kwadraty i grupy nie zawierającej kwadratów.



  Zadanie 4
Zaimplementować sieć aproksymującą funkcję:
f(x) = sin(2x) + sin2(2x)
+ sin4(2x)

Poniżej przedstawiono graficzną prezentację procesu uczenia. Kolorem zielonym oznaczono dane trenujące, natomiast niebieskim wartości wyjścia sieci.