Разработка модели персептрона Розенблатта (проект) — различия между версиями
(→Чему вы научитесь?) |
(→Чему вы научитесь?) |
||
| Строка 14: | Строка 14: | ||
=== Чему вы научитесь? === | === Чему вы научитесь? === | ||
- Формулировать постановку задачи | - Формулировать постановку задачи | ||
| + | |||
- Писать надежный и понятный код | - Писать надежный и понятный код | ||
| + | |||
- Основам теории нейронных сетей на примере классической модели Перспетрона Розенблатта | - Основам теории нейронных сетей на примере классической модели Перспетрона Розенблатта | ||
Версия 20:20, 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++ (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) - Промышленная разработка (системы контроля версий, модульное тестирование, ревью кода, стайл-гайды, профилирование, IDE и текстовые редакторы).
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)
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)
