Три практические работы по нейросетям в RStudio

Добрый день.

Необходимо выполнить три практические работы в среде программирования RStudio.

Задание №1: "Моделирование логической функции"

Научиться формировать обучающую выборку и тестовый набор данных. Освоить способы создания, модификации и обучения простейшей нейронной сети. Создать нейронную сеть, моделирующую логическую функцию - "4И-НЕ" с инверсией по первому входу".

Отчет должен содержать скрипт подготовки обучающих данных и обучения, топологию сети, входные данные, эталонные выходные данные, полученные выходные данные, выводы по результатам работы.

Задание №2: "Построение карты Кохонена"

Изучить приемы работы с самообучающимися нейронными сетями и особенности их использования на примере самоорганизующейся сети Кохонена.

Постройте сети Кохонена для кластеризации данных yeast (дрожжи), которые после загрузки библиотеки kohonen можно просто загрузить командой data(yeast). Воспользуйтесь функцией supersom(). Объясните полученные результаты.

На ресурсе http://www.instantr.com/wpcontent/uploads/2013/01/europe.csv предоставлены данные о странах Европы. Исследуйте эти данные с помощью сети Кохонена. Объясните полученные результаты.

Задание №3: "Сжатие данных"

Определите минимальный размер скрытого слоя в ограниченной машине Больцмана, достаточный для удовлетворительного представления 25 изображений из набора FasionMNIST. При загруженной библиотеке keras, этот набор загружается командой dataset_fasion_mnist(). Оценку качества представления производить визуально, конкретные изображения (25 штук) для эксперимента выбрать произвольно. Повторите эксперимент с использованием стека из трех ограниченных машин Больцмана, где последний скрытый слой состоит из того же количества нейронов, которое получено для однослойной машины. Сравните полученные результаты.