Uczenie maszynowe i sztuczne sieci neuronowe/Ćwiczenia 4 - Historia wersji

Jarekz: /* Po zakodowaniu uczenia */

2017-05-23T06:46:24Z

Po zakodowaniu uczenia

2016-05-02T09:31:49Z

Po zakodowaniu uczenia

2016-03-18T15:18:59Z

2016-03-18T15:17:17Z

Algorytm wstecznej propagacji błędu

2016-03-18T15:06:14Z

Algorytm wstecznej propagacji błędu

2016-03-18T15:00:29Z

XOR

2016-03-18T14:58:52Z

Algorytm wstecznej propagacji błędu

2016-03-18T14:51:10Z

Algorytm wstecznej propagacji błędu

2016-03-18T14:50:30Z

Algorytm wstecznej propagacji błędu

2016-03-18T13:32:00Z

Algorytm wstecznej propagacji błędu

@@ Linia 75: / Linia 75: @@
 * Proszę zbadać co dzieje się z wagami wraz ze wzrostem ilości jednostek w warstwie ukrytej.
 * Proszę powtórzyć analizę dla sieci, której warstwa wyjściowa ma jednostkę liniową.
 {{hidden begin|title=przykładowy kod}}
 <source lang = python>
@@ Linia 161: / Linia 246: @@
   </source>
 {{hidden end}}
+-->
 <!--
 =XOR=

@@ Linia 77: / Linia 77: @@
-<!--
+{{hidden begin|title=przykładowy kod}}
 <source lang = python>
 # -*- coding: utf-8 -*-
@@ Linia 161: / Linia 160: @@
          print 'bl: ', bl
   </source>
--->
+{{hidden end}}
 <!--

@@ Linia 1: / Linia 1: @@
-[[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe]]/Wsteczna propagacja błędu
+[[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe_cw]]/Wsteczna propagacja błędu
 =Algorytm wstecznej propagacji błędu=
 W tym ćwiczeniu zapoznamy się z algorytmem wstecznej propagacji błędu. Zbudujemy sieć złożoną z 3 warstw: wejściowej, ukrytej i wyjściowej.
@@ Linia 322: / Linia 322: @@
 -->
-[[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe]]/Wsteczna propagacja błędu
+[[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe_cw]]/Wsteczna propagacja błędu

@@ Linia 1: / Linia 1: @@
 =Algorytm wstecznej propagacji błędu=
 W tym ćwiczeniu zapoznamy się z algorytmem wstecznej propagacji błędu. Zbudujemy sieć złożoną z 3 warstw: wejściowej, ukrytej i wyjściowej.
@@ Linia 320: / Linia 321: @@
 -->

@@ Linia 60: / Linia 60: @@
 ** uaktualniamy wagi proporcjonalnie do poprawek (z przeciwnym znakiem)
 ** wypisujemy info o błędzie
 <!--

@@ Linia 146: / Linia 146: @@
 -->
 =XOR=
 Jako pierwszy przykład z zastosowania sieci nieliniowych proszę skonstruować sieć z jedną warstwą ukrytą, rozwiązującą problem XOR.

@@ Linia 37: / Linia 37: @@
 * przygotuj zbiór uczący zgodnie z powyższą tabelą. Niech przykłady będą ułożone w wierszach tablic X i Y
 * zdefiniuj rozmiary sieci:
-**N_wej
+** N_wej
 ** N_hid
 ** N_wyj
@@ Linia 43: / Linia 43: @@
 ** jakie rozmiary muszą mieć te tablice?
 ** zainicjuj je wartościami losowymi z przedziału -1,1
 * w pętli wykonuj kolejne cykle uczenia
 ** zainicjuj do zera: licznik błędu wyjściowego bl, oraz tablice akumulujące delty do zmiany wag    D_1 i D_2
@@ Linia 59: / Linia 60: @@
 ** uaktualniamy wagi proporcjonalnie do poprawek (z przeciwnym znakiem)
 ** wypisujemy info o błędzie
 =XOR=

@@ Linia 1: / Linia 1: @@
 =Algorytm wstecznej propagacji błędu=
-W tym ćwiczeniu zpoznamy się z algorytmem wstecznej propagacji błędu. Zbudujemy sieć złożoną z 3 warstw: wejściowej, ukrytej i wyjściowej.
+W tym ćwiczeniu zapoznamy się z algorytmem wstecznej propagacji błędu. Zbudujemy sieć złożoną z 3 warstw: wejściowej, ukrytej i wyjściowej.
 Warstwy ukryta i wyjściowa będą miały nieliniową funkcję aktywacji w postaci funkcji logistycznej. Dla przypomnienia funkcja logistyczna:
-:<math>f(x) = \frac{1}{1+exp(-x)}</math>
+:<math>g(x) = \frac{1}{1+exp(-x)}</math>
 zaś jej pochoną to:
-:<math>f'(x) =f(x)*(1-f(x)) </math>
+:<math>g'(x) =g(x)*(1-g(x)) </math>
 Niech nasza sieć uczy się odwzorowania zadanego tabelką:
 {| class="wikitable" style="text-align:left;"
@@ Linia 25: / Linia 32: @@
 |}
-[[Plik:Back_prop_forward-2.png| 600px|thumb|right|Schemat obliczeń w propagacji wstecznej]]
+Proszę napisać kod implementujący obliczenia przedstawione na rysunkach i w poniższym opisie:
-[[Plik:Back_prop_backward-2.png |600px|thumb|right|Schemat obliczeń w propagacji wstecznej]]
+* zdefiniuj funkcję g(x)
 =XOR=

@@ Linia 24: / Linia 24: @@
 |-
 |}
 =XOR=