Подтвердите ваш выбор нажатием кнопки «Ок» и вернитесь в основное окно

12. Наконец-то можно начинать обучение. Нажмите кнопку «Start training» - и процесс пошел! За ходом обучения нейросети можно наблюдать по изменению информации в области «Training Info», или в графическом виде в соответствующих окнах, вызываемых нажатием клавиш в области «Graphs». Желательно остановить процесс обучения в момент, когда ошибки обучения и обобщения начнут сильно расходиться. Рост ошибки обобщения сигнализирует о начале режима " переобучения".

13. По завершении процесса обучения его результаты можно визуально оценить на графике «Network answers…», вызываемом нажатием соответствующей кнопки.

14. Кроме того, программа позволяет управлять параметрами процесса обучения. Но данными возможностями мы рекомендуем пользоваться только «особо продвинутым» пользователям в исключительных случаях.

15. Теперь осталось сохранить результаты работы. В программе предусмотрены функции сохранения проекта (кнопка «Save Project…») и экспорта результатов назад в книгу MS Excel. Для экспорта результатов перейдите на закладку «Output», задайте необходимые параметры и сохраните результаты нажатием кнопки «Ок».

16. Вы успешно справились с поставленной задачей. Можете теперь закрыть окно программы Winnet 3.0.Дальнейший анализ полученных результатов удобнее проводить стандартными статистическими методами в MS Excel.

Если вы используете сохраненный ранее проект для работы с новыми данными, примените обученную нейросеть для получения прогнозов по новым данным. Эти данные, естественно, должны иметь

формат, аналогичный тем форматам, по которым сеть обучалась. Тогда вам необходимо проделать следующие операции:

· загрузить данные в систему;

· загрузить созданный ранее проект;

· сохранить предсказанные данные в книге MS Excel.

Последовательность действий такова:

1. Выделите необходимую для работы область данных на листе книги MS Excel. Прежние соглашения относительно расположения данных остаются в силе. Необходимо особо обратить внимание на то, что количество и порядок столбцов новых данных должны совпадать с данными, использованными при создании проекта и обучении нейросети.

С этой целью столбцы, используемые в качестве выходов, заполняются нулевыми значениями.

2. Загрузите созданный ранее проект, нажав кнопку «Load Project…». В открывшемся окне выберите нужный файл проекта, имеющий по умолчанию расширение *.wnp, и подтвердите выбор нажатием кнопки «Открыть».

3. Перейдите на закладку «Output», задайте необходимые

параметры и сохраните результаты нажатием кнопки «Ок».

4. Работу с программой можно считать завершенной.

 

Задачи

1. Изучить принципы построения нейронной сети для решения задачи классификации.

2. Самостоятельно задать предметную область (пять-шесть признаков, из них один является классификатором), ввести данные и решить задачу классификации с помощью одно- и двухслойного персептрона, используя пакет Excel Neural Package.

3. Применяя пакет Excel Neural Package, подобрать конфигурацию НС, которая обеспечит высокую точность классификации, обучить НС и проверить точность классификации с ее помощью.

4. Используя ППП Neural Network MatLab 6.1, построить двухслойную нейронную сеть, обучить ее на данных выбранной предметной области и решить задачу классификации с помощью построенной нейронной сети.

 

Содержание отчета

1. Теоретическая часть: принципы построения многослойных нейронных сетей.

2. Формулировка задачи: описание предметной области, исходные данные для построения решающего правила.

3. Полученная в Excel Neural Package конфигурация нейронной сети, ее параметры.

4. Полученная в ППП Neural Network MATLAB 6.1 модель нейронной сети, ее параметры, процедура обучения.

5. Примеры решения задачи прогнозирования для объектов предметной области в Excel Neural Package и ППП Neural Network MATLAB 6.1.

Контрольные вопросы

 

1. Опишите основные области применения нейронных сетей.

2. Возможно ли применение нейронных сетей без предварительного масштабирования входных данных?

3. Почему возникла необходимость строить многослойные нейронные сети?

4. Опишите основные параметры модели нейронной сети в ППП Neural Network MATLAB 6.1.

5. Опишите процедуру обучения многослойной нейронной сети в ППП Neural Network MATLAB 6.1

6. Как построить модель нейронной сети в Excel Neural Package?

7. Как обучить нейронную сеть в Excel Neural Package?