Лабораторные в среде Matlab

Завдання 1.

Реалізувати нейронну мережу прямого поширення з одним нейроном в вхідному шарі, N нейронами у прихованому шарі з сигмоидальной функцією активації (logsig) та одним нейроном у вихідному шарі з лінійною функцією активації. Навчити її апроксимації заданої функції за алгоритмом зворотного поширення. Виконати порівняння якості апроксимації для поліноміальної, синусоїдальної та humps функцій. Для однієї з функцій виконати порівняння якості апроксимації для різних N  (варіант – номер в списку групи).

4. Алгоритм градієнтного спуску з оновленням по Полак-Рібьер

Завдання 2:

Розв’язати завдання згідно з Вашим варіантом в середовищі Matlab із застосуванням пакету Neural Network Toolbox (варіант – номер в списку групи).

1.   Застосувати мережу квантування векторів (Learning Vector Quantization, newlvq) для розпізнавання зображень цифр від 1 до 3 (16 градацій сірого, 16x16, див. Рис. 3). Застосуйте ймовірностну нейронну мережу для розв’язання тієї ж проблеми (Probabilistic neural networks, newpНС). Порівняйте якість роботи обох мереж на зашумлених зразках (для накладення шуму додайте до кожного пікселя випадкове число).

Рис. 3. Зображення цифр для розпізнавання.

Зміст звіту:

1. мета роботи

2. завдання

3. для завдання 1: опис алгоритму.

4. для завдання 1: порівняння роботи алгоритму для 3-х функцій різного типу.

5. для завдання 2: опис способу вирішення поставленого завдання.

6. для завдання 2: опис використаних команд та функцій.

7. для завдання 2: графіки, що ілюструють якість апроксимації для різних N.

8. висновки по роботі.