Разработка модели персептрона Розенблатта (проект) — различия между версиями
Материал из Wiki - Факультет компьютерных наук
(→Критерии оценки) |
Sandello (обсуждение | вклад) |
||
Строка 2: | Строка 2: | ||
|name=Разработка модели персептрона Розенблатта | |name=Разработка модели персептрона Розенблатта | ||
|mentor=Лисенков Иван | |mentor=Лисенков Иван | ||
− | |mentor_login= | + | |mentor_login=Ivan_Lisenkov |
|semester=Весна 2015 | |semester=Весна 2015 | ||
|course=1 | |course=1 | ||
Строка 13: | Строка 13: | ||
=== Чему вы научитесь? === | === Чему вы научитесь? === | ||
− | + | * Формулировать постановку задачи | |
− | + | * Писать надежный и понятный код | |
− | + | * Основам теории нейронных сетей на примере классической модели Перспетрона Розенблатта | |
− | + | ||
− | + | ||
=== Какие начальные требования? === | === Какие начальные требования? === | ||
Строка 23: | Строка 21: | ||
=== Какие будут использоваться технологии? === | === Какие будут использоваться технологии? === | ||
− | git, github | + | * git, github |
− | gtest | + | * gtest |
=== Темы вводных занятий === | === Темы вводных занятий === | ||
− | + | * Основы теории нейронных сетей (Модель Маккалока-Пиитса, Персептрон Розенблатта, Алгоритм обучения перспетрона Розенблатта) | |
=== Направления развития === | === 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 === | === Критерии оценки === | ||
− | "удв” : реализованная и протестированная модель персептрона Рознеблатта и алгоритм обучения (Дельта правило) для двухмерного случая (входной вектор обучающей выборки X1 и X2); | + | * "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 | |
− | “хор” : реализованная и протестированная модель персептрона Рознеблатта и алгоритм обучения (Дельта правило) как для двухмерного так и для n-мерного случая | + | * “отл” : то же, что и на "хор", + визуализация процесса обучения (Зависимость интегральной ошибки от номера итерации/эпохи), + работа с файлами (возможность интеграции import/export файлов обучающей выборки с Matlab NNtool) |
− | + | ||
− | “отл” : | + | |
− | + | ||
− | + |
Версия 16:20, 29 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” : то же, что и на "хор", + визуализация процесса обучения (Зависимость интегральной ошибки от номера итерации/эпохи), + работа с файлами (возможность интеграции import/export файлов обучающей выборки с Matlab NNtool)