Podczas pierwszych laboratoriów mieliśmy zbudować model sztucznego neurony oraz zbadać jak on działa. Naszym zadaniem było również znalezienie takich wag, aby sumy kwadratów błędów pomiędzy funkcją aktywacji a jedną z pozostałych trzech funkcji (skoku jednostkowego, liniowej oraz logistycznej) były jak najmniejsze.
Model neuronu:
|
Skok jedn. |
Liniovra |
Logistyczna | ||||||
|
XI X2 |
Y |
Sumator Ys |
Kw.różnic ] |
Kw.różnic 1 | ||||
|
-0.2 |
0,5 |
0 |
1.3 |
1 |
1 |
1.3 |
1,69 |
0,785835 0,6175366 |
|
0.2 |
-0,5 |
0 |
0.7 |
1 |
1 |
0.7 |
0,49 |
0,6681878 0,4464749 |
|
0,8 |
-0,8 |
1 |
1 |
1 |
0 |
1 |
0 |
0,7310586 0,0723295 |
|
0,8 |
0,8 |
1 |
2,6 |
1 |
0 |
2.6 |
2,56 |
0,9308616 0,0047801 |
|
Suma kwadratu błędów |
2 |
4,74 |
1,1411211 | |||||
Wagi i bias
WO W1 W2
111 Bias(XD)
Używając solvera minimalizuję kwadraty błędów dla poszczególnych funkcji. W przypadku funkcji skoku jednostkowego solver nie rozwiązał problemu, wagi nie zmieniły swojej wartości. Dla funkcji liniowej wagi i suma kwadratów błędu przedstawia się następująco:
Wagi i bias
WO W1 W2 Suma kw. Bł 1,1470073 0,1288135 0,041207 0,0824742
Natomiast dla funkcji logistycznej następująco:
Wagi i bias
WO W1 W2 Suma kw. Bł
0,8377014 0,0927276 -0,334654 0,6986325