Разработка модели персептрона Розенблатта (проект) — различия между версиями
Материал из Wiki - Факультет компьютерных наук
Sandello (обсуждение | вклад) |
(→Критерии оценки) |
||
| Строка 33: | Строка 33: | ||
=== Критерии оценки === | === Критерии оценки === | ||
| − | * | + | * 4-5 : реализованная и протестированная модель персептрона Рознеблатта и алгоритм обучения (Дельта правило) для двухмерного случая (входной вектор обучающей выборки X1 и X2); |
| − | * | + | * 6-7 : реализованная и протестированная модель персептрона Рознеблатта и алгоритм обучения (Дельта правило) как для двухмерного, так и для n-мерного случая |
| − | * | + | * 8-10 : Дополнительно, визуализация процесса обучения (Зависимость интегральной ошибки от номера итерации/эпохи), + работа с файлами (возможность интеграции import/export файлов обучающей выборки с существующими пакетами обработки данных) |
Версия 17:28, 1 декабря 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
- 4-5 : реализованная и протестированная модель персептрона Рознеблатта и алгоритм обучения (Дельта правило) для двухмерного случая (входной вектор обучающей выборки X1 и X2);
- 6-7 : реализованная и протестированная модель персептрона Рознеблатта и алгоритм обучения (Дельта правило) как для двухмерного, так и для n-мерного случая
- 8-10 : Дополнительно, визуализация процесса обучения (Зависимость интегральной ошибки от номера итерации/эпохи), + работа с файлами (возможность интеграции import/export файлов обучающей выборки с существующими пакетами обработки данных)
