[GiM logo] gim.org.pl is down || odświeżony jogger (v.0.4) GiMa

Part I

W poprzednim semestrze, uczęszczałem na wykład i ćwiczenia z Wstępu do Sieci Neuronowych i z racji tego, że sporo pisaliśmy, chciałem się podzielić, czego się dowiedziałem na tych zejęciach i co pisaliśmy. Wykład był prowadzony przez dr Tomasza Schreibera, oprócz niego pozostałymi ćwiczeniowcami byli Leszek Rybicki i Filip Piękniewski. Wpis zostanie podzielony na kilka części, ze względu na to, że nikt by tego w całości nie czytał ;)
Druga, chyba ciekawsza część Sieci neuronowe part II

Na początku omawiany był sam perceptron prosty i jego także dotyczyły pierwsze programy, kolejno maszyny liniowe w zagadnieniach klasyfikacyjnych, konstrukcja Kesslera, sieci RBF oraz neuron AdaLiNe, pozwolę sobie tę część jako wprowadzającą i w miarę prostą pominąć.

  1. Następnie dowiedzieliśmy się o możliwości wprowadzenia warstwy rozproszonej (rysunek 1) i sieciach wielowarstwowych (rysunek 2).
    Zostały nam także przedstawione algorytmy konstruktywistyczne, czyli takie, gdzie w miarę uczenia, zwiększa się rozmiar sieci. Konkretnie algorytm wieżowy (rysunek 3) i jego modyfikacja algorytm piramidalny (rysunek 4), oraz algorytm upstart (animacja 1).
    Warstwa rozproszona Rysunek 1. Wprowadzenie warstwy rozproszonej.
    Ogólna architektura sieci jednokierunkowej Rysunek 2. Ogólna architektura sieci jednokierunkowej
    Algorytmy konstruktywistyczne - architekura wieżowa Rysunek 3. Algorytmy konstruktywistyczne - architekura wieżowa
    Algorytmy konstruktywistyczne - architektura piramidalna Rysunek 4. Algorytmy konstruktywistyczne - architektura piramidalna
    Algorytmy konstruktywistyczne - architektura upstart Animacja 1. Algorytmy konstruktywistyczne - architektura upstart
  2. Do tego momentu pisałem kolejno proste programy : perceptron uczący się algorytmem kieszonkowym bez zapadki rozpoznawać pojedynczą cyferkę (na podstawie matrycy 6x6), który następnie został wzbogacony o warstwę rozmytą, a także zmodyfikowany o zapadkę.
    Następnie 10 takich neuronów uczyło się każdy rozpoznawać pojedyńczą cyferkę, także program był w stanie stwierdzić, jaką cyferkę przypomina cyferka na wejściu. Jako ostatni był autoasocjator złożony z 36 neuronów, który 'odszumiał' zaszumioną literkę.
    Napisałem też algorytm wieżowy (kilka razy szczerze mówiąć :>), który powinien był rozwiązywać pewien problem geometryczny, ale coś słabo mu szło :>.

P.S. Te śliczne rysunki zrobiłem z pomocą dota

catz: [kom.puterowe] [Techblog]
tagz: [sieci neuronowe] [umk] [wprowadzenie]
dnia wtorek, 27 luty 2007, 191308 by Michał 'GiM' Spadliński

Komentarze:

Proszę wpisy pisane po angielsku komentować również w tym języku.

spotkałeś Goriona?

dnia wtorek, 27 luty 2007, 193409 by D4rky

nie, dlaczego?

dnia wtorek, 27 luty 2007, 193431 by GiM

bo !ON! lubi takie rzeczy

dnia wtorek, 27 luty 2007, 193920 by D4rky

Literówka w linku (a hreh=)

dnia środa, 28 luty 2007, 033343 by danadam

dzięki, poprawione

dnia środa, 28 luty 2007, 184451 by GiM

Sieci neuronowe

Part II
Wpis ten jest kontynuacją poprzedniego wpisu na temat zajęć z Wstępu do Sieci Neuronowych

dnia niedziela, 04 maj 2008, 231401 by gim

..tożsamość..:
..meritum..:
..lokum..:
Wpisz kod:code