3833474388

PERCEPTRON PROSTY. DYSKRYMINACJA DLA 2 GRUP

3 Perceptron prosty. Dyskryminacja dla 2 grup

Data: 4 listopada 2008

Będziemy posługiwać się danymi zebranymi przez prof. Seunga z MIT. Dane zostały trochę przeorganizowane. Oryginalne dane znajdują się pod adresem (http://hebb.mit.edU/courses/9.641/assignments/perceptron.delta.m).

Przeorganizowane dane są dostępne na serwerze studenckim w folderze abaFiles, znajdującym się w s. 107 na dysku twardym D na ścieżce D:/Matlab/toolbox/abaFiles . Interesują nas pliki seungMNIST.mat, seungFaces.mat

cyferki seungMNIST.mat			twarze seungFaces
mnistTrain	784x5000	uint8	facesTrain	361x6977	double
mnistTrainLabs	5000x1	uint8	facesTrainLabs	6977x1	double
mnistTest	784x1000	uint8	facesTest	361x2000	double
mnistTestLabs	1000x1	uint8	facesTestLabs	2000x1	double

oraz funkcję [w,b]=seung(train, trainLabs.options) . Funkcja seung oblicza wagi właściwe w oraz bias b potrzebne do zbudowania logistycznej funkcji dyskryminacyjnej dla dwóch grup danych. Pliki z danymi o rozszerzeniu .mat wczytujemy za pomocą instrukcji load._

Otrzymane zmienne zawierają zarówno pliki uczące (Train) jak i pliki do testowania (Test). Identyfikacja cyferek znajduje się w wektorach mnistTrainLabs i mnistTestLabs: składowe tych wektorów zawierają znaki 0,1,2,..., 9 odpowiednio.

Identyfikacja twarzy jest określona binarnie: wartość 1 oznacza, że dana kolumna przedstawia twarz, wartość 0, że dana kolumna nie przedstawia twarzy.

Rozpoznawanie cyferek

Lab. 3.1. Wczytaj plik seungMnist.mat i zobacz jakie zmienne pojawiły się w przestrzeni roboczej. Jakie wartości przyjmują te zmienne.

Wykreśl niektóre kolumny za pomocą instrukcji imagesc.

Lab. 3.2. Przyjmij dwie cyferki, cl i c2 (np. cl = 5, c2 = 9).

•    (a) Wyznacz funkcję dyskryminacyjną która potrafi rozpoznawać między cyferkami cl i c2.

•    (b) Określ macierz pomieszania (confusion matrbc).

•    (d) Napisz makro wyświetlające dynamicznie źle zaklasyfikowane cyferki (po wyświetleniu każdej cyferki ma nastąpić krótkie zatrzymanie obrazu).

•    (e) Zmodyfikuj makro w punkcie (d) tak, żeby różne cyferki były wyświetlane za pomocą róńych palet (colormap)

•    (c) Zbudowaną funkcję dyskryminacyjną przetestuj na pliku testowym. Wyznacz również macierz pomieszania (confusion matrix).

Lab. 3.3. Wykonaj analizę danych z twarzami w podobny sposób jak analiza danych cyferkowych.

Uwaga. Dane cyferkowe są w pojedynczej precyzji. Do obliczeń numerycznych trzeba zamienić dane uint8 na podwójną precyzję (instrukcja double). Dane z twarzami są już w podwójnej precyzji.