Разработка модели персептрона Розенблатта (проект) — различия между версиями
(→Темы вводных занятий) |
(→Направления развития) |
||
| Строка 31: | Строка 31: | ||
=== Направления развития === | === Направления развития === | ||
- Визуализация обучающей выборки, предварительная обработка данных | - Визуализация обучающей выборки, предварительная обработка данных | ||
| + | |||
- Разработка модели нейронной сети с одним скрытым слоем, и реализация алгоритма обратного распространения ошибки (Back-propagation algorithm, deep learning) | - Разработка модели нейронной сети с одним скрытым слоем, и реализация алгоритма обратного распространения ошибки (Back-propagation algorithm, deep learning) | ||
| + | |||
| + | - Интеграция с реляционной базой данных | ||
=== Критерии оценки === | === Критерии оценки === | ||
Версия 20:25, 26 ноября 2014
| Ментор | Лисенков Иван |
| Учебный семестр | Весна 2015 |
| Учебный курс | 1-й курс |
Что это за проект?
Разработать приложение моделирующую классическую модель пересептрона Розенблатта с возможностью установки вручную весов синаптических связей, а так же автоматической коррекции весов с помощью алгоритма обучения.
Чему вы научитесь?
- Формулировать постановку задачи
- Писать надежный и понятный код
- Основам теории нейронных сетей на примере классической модели Перспетрона Розенблатта
Какие начальные требования?
Программирование на C/C++/Python (в рамках прослушанного курса)
Какие будут использоваться технологии?
git, github gtest
Темы вводных занятий
- Основы теории нейронных сетей (Модель Маккалока-Пиитса, Персептрон Розенблатта, Алгоритм обучения перспетрона Розенблатта)
Направления развития
- Визуализация обучающей выборки, предварительная обработка данных
- Разработка модели нейронной сети с одним скрытым слоем, и реализация алгоритма обратного распространения ошибки (Back-propagation algorithm, deep learning)
- Интеграция с реляционной базой данных
Критерии оценки
"удв” : реализованная и протестированная модель персептрона Рознеблатта и алгоритм обучения (Дельта правило) для двухмерного случая (входной вектор обучающей выборки X1 и X2);
“хор” : реализованная и протестированная модель персептрона Рознеблатта и алгоритм обучения (Дельта правило) как для двухмерного так и для n-мерного случая
“отл” : реализованная и протестированная модель персептрона Рознеблатта и алгоритм обучения (Дельта правило) как для двухмерного так и для n-мерного случая
+ Визуализация процесса обучения (Зависимость интегральной ошибки от номера итерации/эпохи) + работа с файлами (возможность интеграции import/export файлов обучающей выборки с Matlab NNtool)
