Порядок работы. Контрольные на вопросы

В ПРОГНОЗИРОВАНИИ ДАННЫХ

Лабораторная работа № 6

Контрольные на вопросы

В топливной колонке

Основные данные для определения неисправности

Наименование	Напряжение на входе, В	Давление напора, кгс/см^2	Время заправки, л/с	Величина тока на входе, А
Исправность	210– 230	1,20 – 1,50	0,90 – 1,10	20 – 25
Неисправность 1	190 – 210	0,10 – 1,00	0,10 – 0,80	15 – 20
Неисправность 2	230 – 250	1,60 – 2,00	1,50 – 2,50	25 – 30

4. Интерпретировать показатели Топологической карты.

5. Выявить изменения на топологической карте при включенной опции. Показать частоту выигрышей на топологической карте.

6. Выявить изменения на топологической карте при выбранной опции Уровень активации.

7. Определить нейрон, который победил.

8. Сделать анализ построения нейронной сети и отразить в отчете.

9. Сохранить полученную нейронную сеть на диске.

10. Оформить отчет о выполненной работе.

1. Что такое производительность сети?

2. Если сформировать ансамбль из проверенных сетей, будет ли полученная оценка производительности являться несмещенной оценкой общей производительности?

3. Назначение анализа чувствительности сети.

4. От чего зависит количество этапов обучения?

5. Что такое чувствительность?

6. Чем определяется Ширина и Высота топологической карты и зачем?

7. Интерпретируйте отображение на Топологической карте «неизвестно».

8. Чем ограничиваются входные и выходные переменные в самоорганизующейся сети Кохонена?

9. Какую информацию несет в себе Поверхность отклика?

10. Что такое проверка устойчивости на выборках?

ЗАДАЧА ВЫБОРА ВХОДНЫХ ПЕРЕМЕННЫХ

Цель работы – научиться определять входные данные для построения и обучения нейронной сети, а также осуществлять выбор типа нейронной сети в зависимости от изменения входных данных.

1. Открыть файл данных Вуз.sta (см.табл.П.2) с помощью команды

Файл – Открыть.

2. Выбрать команду Нейронные сети в меню Анализ для вызова стартовой панели.

3. Выбрать опцию Классификация в группе Тип задачи.

4. Выбрать Конструктор сетей на вкладке Нейронные сети.

5. Нажать кнопку Переменные и выбрать переменную ИТОГ в поле Категориальные выходные, а переменные Рус.яз_ЕГЭ, Матем_ЕГЭ, Химия и Ин.яз в группе Непрерывные входные.

6. В диалоге Конструктор сетей выбрать опцию Самоорганизующаяся карта Кохонена.

7. Перейти на вкладку Элементы в диалоге Конструктор сетей, и установить параметр Ширина равным 4, параметр Высота равным 5.

8. Нажать кнопку OK.

9. На вкладке Самоорганизующаяся карта Кохонена – обучение – Быстрый установить в первом и во втором этапах 50 эпох.

10. В первом этапе Скорости обучения начальная – 0,1, конечная – 0,5 и размер Окрестности – 1.

11. Во втором этапе: Скорость обучения установить значение 0,1, а также параметр Окрестность равным 0.

12. На вкладке Интерактивный выбрать опцию Интерактивное обучение. Нажать кнопку OK.

13. В диалоге Идет обучение нажать кнопку OK, чтобы направить

полученный график в рабочую книгу, а затем продолжить Анализ. Если анализа чувствительности нет, то (нужно нажать Отмена) выбрать другой тип сети.

14. В диалоге Результаты на вкладке Чувствительность нажать кнопку Анализ чувствительности.

15. Определить ключевые и лишние переменные (переменные Химия и Ин.яз являются наиболее важными, а две другие переменные имеют меньшую значимость).

16. Вернуться на вкладке Результаты и выбрать подмножества – Быстрый Выборки для вывода результатов – Все (отдельно), а затем запустить Анализ чувствительности.

17. Выполнить проверку устойчивости на обучающей, контрольной и тестовой выборках – чувствительность для контрольной и тестовой выборок ниже, чем для обучающей выборки, и, в частности, несколько входов с низкой чувствительностью.

18. На вкладке Удаление в диалоге обучения определить параметры исключения на основе чувствительности. Для этого нужно указать величину порога (1,0, или немного больше – 1,001 или 1,01), и после обучения все входы с меньшей чувствительностью будут автоматически удалены.

19. Завершить анализ.

20. Открыть файл данных Кредит.sta

21. На вкладке Быстрый нажать кнопку Переменные. Многослойный перцептрон.

22. Выбрать переменную Риск в качестве зависимой переменной, а переменные В1-В9 как независимые переменные и нажать кнопку OK.

23. Выбрать опцию Понижение размерности на вкладке стартовая панель – Дополнительно и нажать кнопку OK, чтобы отобразить диалог Понижение размерности.

24. Перейти на вкладку Интерактивный, в группе Результат в Отчет выбрать опцию Все проверенные сочетания.

25. Нажать кнопку OK.

26. Прервать алгоритм понижения размерности в любой момент, нажать кнопку Готово.

27. Открыть рабочую книгу для просмотра итогов.

28. На вкладке Дополнительно в диалоге Понижение размерности присвоить переменной Штраф за элемент – 1,0001.

29. Вернуться в п.22 и дополнить массив произвольными данными,

затем повторить п.22–28.

30. Вызвать диалог Понижение размерности, перейти на вкладку Генетический алгоритм и нажать кнопку OK.

31. Если процесс занимает слишком много времени, нажать кнопку Готово, чтобы остановить его.

32. Полученные результаты сравнить с результатами анализа чувствительности.

Задания

1. Построить и обучить нейронную сеть для автоматизации прогноза цены в соответствии с классом устройства носителя информации на основе следующих данных: плотность данных, скорость записи данных, класс устройства.

2. Введите исходные данные с количеством наблюдений 30 (конкретные значения переменных получить у преподавателя) в соответствии со следующими условиями (табл. 6).

Таблица 6

Основные наблюдения для определения класса устройства

Класс устройства	Плотность данных, Мб/сектор	Скорость записи данных, Мб/с	Цена за 1 Мб, руб.
IDE	20 – 80	50 – 110	5,00 – 7,00
SATA	70 – 100	100 – 180	7,00 – 8,00
SCSI	150 – 500	181 – 200	7,50 – 9,00

3. Построить нейронную сеть в соответствии с настройками:

- тип задачи: классификация;

- инструмент: конструктор сетей;

- тип сети: самоорганизующаяся карта Кохонена

- ширина карты: 4, высота: 5;

- на первом этапе обучения: эпох – 50, скорость обучения начальная – 0,1, конечная – 0,5, окрестность – 1;

- на втором этапе обучения: эпох – 50, скорость обучения начальная 0,1, конечная – 0,1, окрестность – 0.

- выбрать опцию Сохранять предыдущий график.

4. Провести интерактивное обучение.

5. Выявить зависимость между анализом чувствительности и типом сети.

6. Определить ключевые и лишние переменные.

7. Запустить Анализ чувствительности после выбора подмножества Все выборки для вывода результатов.

8. Выполнить проверку устойчивости выборок.

9. Определить параметры исключения на основе чувствительности.

10. Провести анализ изменений результатов по построению и обучению нейронной сети при наличии настроек Понижение размерности и Генетического алгоритма.

11. Сделать анализ построения нейронной сети и отразить в отчете.

12. Сохранить полученную нейронную сеть на диск.

13. Оформить отчет о выполненной работе.

Контрольные вопросы

1. Как работает анализ чувствительности?

2. Что такое матрица потерь?

3. Каким образом можно построить матрицу потерь? Какие условия построения в программе существуют?

4. В каких типах сетях можно применять матрицу потерь?

5. Чем определяются следующие понятия: «эпоха», «скорость обучения», «окрестность»?

6. Назначение уровня активации.

7. Интерпретируйте отображение частоты выигрыша на топологической карте.

8. Какую информацию содержит топологическая карта и что она обозначает?

9. Каким образом определяется «нейрон-победитель»?

10. Зачем нужен генетический алгоритм при построении самоорганизующейся сети Кохонена?

ПРИЛОЖЕНИЕ

Таблица П.1

Дата добавления: 2015-06-04