Главная страница

КР_Нейросетевые_технологии. Отчет по работе должен содержать структурную схему обученной сети без указания весов. Графики аппроксимируемой и полученной последовательности для нескольких приближений параметров hidden и threshold


Скачать 412.08 Kb.
НазваниеОтчет по работе должен содержать структурную схему обученной сети без указания весов. Графики аппроксимируемой и полученной последовательности для нескольких приближений параметров hidden и threshold
АнкорКР_Нейросетевые_технологии
Дата13.12.2022
Размер412.08 Kb.
Формат файлаdocx
Имя файлаNEJROSETI_1_1.docx
ТипОтчет
#842669

Лаба 1 Задание 1

Смоделировать заданную функцию на отрезке [0, 8] с использованием библиотеки neuralnet. Отчет должен содержать подготовку данных для обучения сети. Обоснование выбранной архитектуры. Структурную схему обученной сети с указанием весов. Графики моделируемой и смоделированной функций.







Лаба 1 Задание 2

Подобрать структуру hidden и порог функции ошибки threshold для точной аппроксимации заданных последовательностей импульсов. Отчет по работе должен содержать структурную схему обученной сети без указания весов. Графики аппроксимируемой и полученной последовательности для нескольких приближений параметров hidden и threshold.







Лаба 2

Составить прогноз для заданного временного ряда с использованием библиотеки nnet. Отчет должен содержать подготовку данных для обучения сети. Обоснование выбранной архитектуры. Структурную схему обученной сети без указания весов.





Лабораторная работа № 4

Построить автокодировщик для заданной обучающей выборки. Отчет должен содержать подготовку данных для обучения сети. Формирование формул для входа и выхода. Визуализацию обучающей выборки и восстановленного образца. Структурную схему обученной сети без указания весов. Варианты заданий приведены в табл., где указаны названия файлов с обучающей выборкой, которые доступны из библиотеки RSNNS







Лабораторная работа № 5



Построить карты Кохонена для тестовых наборов из ресурса Wine Quality (http://archive.ics.uci.edu/ml/machine-learning-databases/winequality/).





написать администратору сайта