Порядок работы. Основные данные для определения типа банка

ПОСТРОЕНИЕ И ОБУЧЕНИЕ НЕЙРОННОЙ СЕТИ КОХОНЕНА, АНАЛИЗ ТОПОЛОГИЧЕСКОЙ КАРТЫ

Лабораторная работа № 5

Основные данные для определения типа банка

Наименование банка	Срок кредита	Процентная ставка	Сумма кредита, руб.	Заработная плата заемщика
Сбербанк	1–10	10–25	40000 – 600000	5000 – 33000
КМБ-банк	10–30	10–25	500000 – 3000000	15000 – 35000
ОТП-банк	10–30	10–25	100000 – 3500000	8000 – 40000
ВТБ	20–30	10–25	900000 – 4000000	18000 – 60000
Омск-банк	15–25	10–25	700000 – 2500000	15000 – 50000

3. Построить нейронную сеть в соответствии с настройками:

- тип задачи: классификация;

- инструмент: конструктор сетей;

- тип сети: многослойный персептрон;

- число скрытых слоев: 1;

- число элементов в скрытом слое: 5.

4. Провести обучение сети.

5. Проверить производительность сети.

6. Сравнить производительность полученной сети с производительностями предыдущих сетей.

7. Переобучить сеть при необходимости.

8. Предотвратить зашумление графика.

9. Определить производительность нейронной сети.

10. Интерпретировать результаты после обучения.

11. Завершить анализ.

12. Изменить тип сети: радиальная базисная функция.

13. Радиальное задание: К-Среднее, Радиальное распространение: Изотропное, масшт. 1.

14. Создать ансамбль.

15. Вывести Архитектуру сети и интерпретировать ее.

16. Осуществить выборку модели из ансамбля с наилучшими показателями.

17. Сохранить нейронные сети на диске.

18. Оформить отчет о выполненной работе.

Контрольные вопросы

1. Особенности базы данных для построения нейронной сети.

2. При каких условиях нужно применять ансамбли?

3. Как влияет формирование выбора наблюдений для обучения сети?

4. Что такое интерактивное обучение?

5. Особенности РБФ.

6. В каких случаях необходимо указывать настройку «К-среднее»?

7. Каким образом можно изменить сеть в результате отклонений?

8. Как выбор модели влияет на обучение?

9. Что такое центры кластеров и зачем они нужны?

10. Какой результат работы опции «Изотропное»?

Цель работы – научиться определять показатели скорости обучения

и интерпретировать показатели топологической карты.

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.

Рис. 17. Выбор типа 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 (СОКК) (рис. 17).

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

8. Нажать кнопку OK.

9. В окне Самоорганизующаяся карта Кохонена – обучение на вкладке Быстрый (рис. 18) установить в первом и во втором этапах 50 эпох.

10. В первом этапе: Скорости обучения начальное – 0,1, конечные – 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 – Сохранять предыдущий график (для сравнения).

Рис. 18. Настройки сети СОКК

13. Нажать кнопку OK.

14. В диалоге Идет обучение (рис. 19) нажать кнопку OK, чтобы направить полученный график в рабочую книгу, а затем продолжить Анализ.

15. В диалоге Топологическая карта переместить указатель мыши и посмотреть данные (рис. 20) в правом нижнем углу диалога – информация о нейроне, на который указывает мышь, в нижнем поле отображается элемент, класс, активация и частота выигрыша.

16. Выбрать вкладку Частоты выигрышей и опцию Показать частоту выигрышей на Топологической карте. Посмотреть изменения на вкладке Топологическая карта.

17. Перейти на вкладку Дополнительно и выбрать опцию Уровень активации. Затем открыть вкладку Топологическая карта для просмотра изменений.

18. Просмотреть, что первые 50 наблюдений представляют класс НЕ ПОСТУПИЛ.

19. Запустить первое наблюдение, нажимая прокрутку рядом с полем наблюдения до тех пор, пока не появится значение 1.

20. Отметить выигравший нейрон: выбрать класс НЕ ПОСТУПИЛ в выпадающем списке и нажать кнопку Изменить список классов (топологическая карта будет обновлена, и на ней появится имя элемента.

Рис. 19. График обучения

Рис. 20. Информация о нейроне

21. Закрыть диалоги Топологическая карта (рис. 21) и Результаты для возврата в диалог СОКК – обучение.

22. Нажать кнопку Пользователя в окне Самоорганизующаяся карта Кохонена – обучение для отображения диалога Радиальный слой – обучение.

Рис. 21. Топологическая карта

23. Выбрать вкладку Метки, ввести значение 0,9 в поле Минимальное отношение и нажать кнопку Соседей на диаграмме Вороного.

24. Нажать кнопку OK в диалоге Идет обучение для возврата в диалог Радиальный слой – обучение.

25. После завершения работы алгоритма нажать кнопку OK, чтобы окончить обучение СОКК.

26. Используя наблюдения, посмотреть насколько хорошо СОКК классифицирует контрольную и проверочную выборки.

Не нужно ждать, пока нейрон на топологической карте выиграет, чтобы отметить его. Нужно выбрать его и его класс, затем выбрать и перетащить диапазон элементов.

Задания

1. Построить и обучить нейронную сеть Кохонена для автоматизации определения наличия неисправности в насосе топливной колонки на автозаправочной станции.

2. Ввести исходные данные с количеством наблюдений – 30 (конкретные значения переменных получить у преподавателя) в соответствии со следующими условиями (табл. 5).

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.

Таблица 5

Дата добавления: 2015-06-04