ASN - cvičení 2 : Ukázky práce s NN-Toolboxem

Prezentace na téma: "ASN - cvičení 2 : Ukázky práce s NN-Toolboxem"— Transkript prezentace:

1 ASN - cvičení 2 : Ukázky práce s NN-Toolboxem
Postup: 1) MATLAB 2) HELP 3) Full Product Family Help Neural Network Toolbox MATLAB Help Demos Finding Functions Demonstrations and Applications Toolboxes Neural Networks NNdemos

2 Alphabetical List Functions by Category
perceptron pro perceptron Distance Functions Learning Functions – learnh (Hebb) Network Use Functions – adapt disp init sim train Performance Function (chybové funkce) mae (mean absolute error) mse ( mean squared error) sse ( sum squared error) Plotting Functions – plotpv (perceptron) Training Functions – trainb (batch-trenink) Transfer Functions rands Weight and Bias Initialization Functions dist Weight Functions (Euclidean) mandist (Manhattan)

3 nnd nndtoc Demonstrační úlohy nnd2n ukázka formálního neuronu a přenosových funkcí nnd2n ukázka neuronu s 1 vstupním vektorem Perceptron nnd3pc klasifikace perceptronem nnd4db ukázka rozhodovací přímky nnd4pr ukázka algoritmu učení perceptronu demop problém klasifikace se 2 vstupními neurony demop extrémní hodnoty elementů vstupního vektoru demop normování demop ukázka lineárně neseparabilních vektorů

4 nnd2n1 lze měnit váhy, prahy a přenosové funkce názorná ukázka významu prahu u přenosových funkcí satlin, satlins, logsig, tansig se změnou vah mění sklon těchto funkcí – to má vliv na úspěšnost a rychlost učení (hodnota vah blízká 0 vede na menší sklon průběhu funkce a naopak nnd2n2 je možné měnit více parametrů najednou (váhy, prahy a hodnoty elementů vstupního vektoru a sledovat hodnotu vástupu pro různé přenosové funkce Úloha: sestavte tabulku, ze které bude vidět vliv měnících se hodnot jednotlivých parametrů perceptronu (vah, prahů, vstupů a přenosových funkcí)

5 Perceptron nnd4dp pouze znázornění rozhodovací přímky nnd4pr ukazuje rozdíl mezi učením (learning) a trénováním (training) ukázka klasifikace do 2 tříd – limitující schopnost perceptronu je možné vyzkoušet vliv prahu (bias) a náhodné inicializace vah (random) demop1,4,5, u těchto demonstrací je vhodnější volit prostřednictvím položky DEMOS (animace) - při spuštění z příkazové řádky se objeví pouze grafická ukázka a zdrojový kód je nutné vyvolat příkazem type demop1 (type demop4…)