2020年人工神經網絡第二次作業

第二次作業TEASOFT-DOP文檔所在云端目錄

?

01

第一題

1.題目描述

建立起一個競爭網絡，有輸入層和競爭層組組成，如下圖所示，初始權向量為已經歸一化為：

訓練集合有五個樣本向量 x n , ?? n = 1 , 2 , 3 , 4 , 5 x_n ,\,\,n = 1,2,3,4,5 xn ,n=1,2,3,4,5，均位于單位圓上，各自所對應的角度分別為：

2.求解要求

使用勝者為王的算法對權系數 進行調整，寫出經過一輪訓練之后的權系數調整結果。假設學習速率 η = 0.6 \eta = 0.6 η=0.6。

3.參-

Python版本參-： 2020年人工神經網絡第二次作業-參-第一題

?

02

第二題

1.題目描述

下面是三個字母C,I,T樣本的5×5點陣圖:

給它們添加噪聲，形成帶有噪聲的樣本，噪聲樣本與正確樣本之間的海明距離(Hamming Distance)為1，即兩個二值向量之間不相同元素的個數為1,下面是三個字母的噪聲樣本的示例：

帶有噪聲的樣本可以在原有正確樣本的基礎上，隨機選擇一個元素，將其從原來的0或者1，改變成1，或者0。因此字母C,I,T各自有25個與其Hamming距離為1的帶有噪聲的樣本。

2.求解要求

建立一個競爭層三個節點的競爭神經網絡，并對其權系數隨機初始化成0～1之間的隨機小數；

使用勝者為王(Win-Take-All)算法，使用三個字母正確的樣本和5個帶有噪聲的樣本進行訓練。自行設置學習速率和它的減少規律；

給出最終的訓練后三個神經元的內星向量結果。

驗證三個字母其它剩余的20個噪聲樣本在該競爭網絡的識別性能。

(選做)隨機生成三個字母的Hamming距離為2的噪聲樣本，并驗證上述競爭網絡識別的效果。

3.參-

Python版本參-： 2020年人工神經網絡第二次作業-參-第二題

?

03

第三題

1.題目描述

使用SOM對于下面21個字符進行聚類，分別討論三種拓撲結構下聚類的效果：

(1) 無拓撲結構

(2) 一維拓撲結構

(3) 二維拓撲結構

字符的數據在第一次作業文件Char7Data.txt中。其中包含有42行字符數據。每兩行分別代表字符的點陣數據和對應的類別標簽數據。

2.求解要求

網絡設計

→ 輸入層63，輸出層25；

→ 輸出層沒有結構：也就是說采用了Winner -Take-All的算法進行訓練

→ 學習速率：0.6線性遞減至0.01

3.參-

Python版本參-： 2020年人工神經網絡第二次作業-參-第三題

第二次訓練結果

1. 2.K 3. 4. 5.BB 6.D 7. 8. 9.EE 10. 11. 12. 13.KK 14. 15.DD 16. 17.BE 18. 19.A 20. 21.CCC 22. 23.JJJ 24. 25.AA

?

04

第四題

1.題目描述

下面兩個數據集合，任選一個。使用二維拓撲結構SOM進行訓練，并繪制出競爭層對應種類區域。

輸入節點：29

輸出競爭層節點：

10*10二維點整排列

數據構造特點：32個字符：26（字母）+ 6（數字）5維的特征；分成了5組：每組只有一個向量是不相同的；

網絡結構

輸入節點：5

輸出層競爭層結構：7*10二維點陣訓練10000得到了它的分布；

2.求解要求

要求1：使用二維拓撲結構的SOM進行訓練；

要求2：根據訓練結果繪制競爭層對應種類的區域；

3.參-

Python版本參-： 2020年人工神經網絡第二次作業-參-第四題

?

05

第五題

1.題目描述

自組織特征映射(SOFM)網絡有15個競爭層的神經元，它們具有一維的拓撲結構。100個樣本隨機均勻選取于下圖所示的三角形區域內。

2.求解要求

進行訓練后，給出神經元在坐標平面上的位置分布。闡述SOFM的“保序”特性。

3.參-

提示：所用到的MATLAB語句*

構建一維的SOFM網絡

net = newsom([0 1;0 1],[50]);

訓練神經網絡

net = train(net,P)

繪出一維的圖形

plotsom(net.iw{1,1}, net.layers{1}.distances)

Python版本參-： 2020年人工神經網絡第二次作業-參-第五題

?

06

第六題

1.題目描述

利用SOFM解決旅行商路徑規劃問題。

下圖是清華園地圖，在其中標記有十個“景點”的“坐標”位置：

在清華大學校園內中存在著10個景點，他們的位置已經標注在地圖上。請利用SOFM解決在這10個地點之間的旅行商最優路徑的問題。

2.求解要求

求解的時候不需要考慮清華校園內的道路問題，假設各景點之間的相對距離可以按照地圖上的坐標的歐氏距離直接計算得到。

3.參-

Python版本參-： 2020年人工神經網絡第二次作業-參-第六題

?

07

第七題

1.題目描述

使用CPN網絡逼近Hermit多項式。

2.求解要求

訓練樣本：從[-4,4]之間隨機選取x取值以及對應的Hermit多項式的函數值。

(1) 構造單向CPN和雙向CPN完成上述網絡并 進行訓練。

(2) 對比在相同的20個隱層節點的情況下， 兩種CPN逼近函數的精度。

3.參-

Python版本參-： 2020年人工神經網絡第二次作業-參-第七題

?

08

第八題

1.題目描述

構造LVQ網絡完成下面兩類樣本的分類問題。

2.求解要求

見題目題目描述中的要求。

3.參-

Python版本參-： 2020年人工神經網絡第二次作業-參-第八題

Net = newlvq(PR,S1,PC,LR,LF)

PR is an R-by-2 matrix of minimum and maximum values for R input elements.

S1 is the number of first-layer hidden neurons.

PC is an S2-element vector of typical class percentages.

LR is the learning rate (default 0.01).

LF is the learning function (default is learnlv1).

Python版本參-：

■ 相關文獻鏈接:

第二次作業TEASOFT-DOP文檔所在云端目錄

2020年人工神經網絡第二次作業-參-第一題

2020年人工神經網絡第二次作業-參-第二題

2020年人工神經網絡第二次作業-參-第三題

2020年人工神經網絡第二次作業-參-第四題

2020年人工神經網絡第二次作業-參-第五題

2020年人工神經網絡第二次作業-參-第六題

2020年人工神經網絡第二次作業-參-第七題

2020年人工神經網絡第二次作業-參-第八題

2020人工神經網絡第一次作業

神經網絡

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。