Squak Smalltalk [6 * 9 = 42] whileTrue: [World run]
Stopařův průvodce jedním převážně neškodným programovacím jazykem 		smalltalk
  Náhled  |  Editovat  |  Přílohy  |  Historie  |  Domů  |  Poslední  změny  |  Najdi  |  Nápověda  |
Swiki
  • Domů
  • Zpět
  • Tento server

    Squeak
  • Úvod
  • Smalltalk
  • Články
  • Knihy
  • Dokumentace
  • FAQ
  • Tutoriály
  • Download
  • Odkazy

    Komunita
  • CSSUG
  • Oznámení
  • Projekty
  • O nás
  • Fórum
  • Kontakt

     

    		•

    Neuronová síť RCE a příklad použití

    Jako projekt do předmětu o neuronových sítích jsem si vybral implementaci Restricted Coloumb Energy sítě. Slouží především pro klasifikaci a asociaci.

    Základní algoritmus RCE sítě:

    Síť obsahuje:
    1. 1 Skrytou vrstvu: neurony s radiální bázovou funkcí (RBF) a se skokovou aktivační funkcí:
      • u(k) = odmocnina( suma_od_1_do_n((i(ii) - µ(ki))^2) )
      • y(k) = 1 pro u(k) <= R; 0 pro u(k) > R.
    2. 1 výstupní vrstvu: neurony s funkcí logického OR

    Poloformální popis algoritmu učení RCE sítě, algoritmus je převzat z poznámek od Doc. Ing. Františka Zbořila, CSc.:
    Algorithm RCE;
begin
Create the input layer of the RCE; number of input neuron must be
the same as the length of input vectors. Hidden and output layers are
empty;
repeat
	Clear the modif variable (modif:=False);
	for each input vector from the training set do begin
		Clear the hit variable (hit:=False);
	
		for each hidden neuron (hypersphere) do 
		begin
			Calculate distance between a
			center of the hypersphere and
			the input vector;
			if the distance is less than or equal to a
			radius of the
			hypersphere
			then if the hypersphere represents the same class as the
			class of the input pattern is
			then Set the hit variable (
			hit:=True)
			else Shrink the radius of the hypersphere to be less than
			calculated distance and set the modif variable (modif:=True);
		end; { for each hidden neuron}

		if not hit then 
		begin
			Create new hidden neuron (hypersphere) with the center
			equals to the input vector and with maximal value of the
			radius;
			Set the modif variable (modif:=True);
		
			if an output neuron for the class of the input vector exists
			then Connect new hidden neuron with this output neuron
			else Create new output neuron that will represent new
			class and connect new hidden neuron with this new output neuron;
		end;
	end; { for each input vector }
until not modif
end;

    Popis projektu:

    Projekt, způsob implementace, příklady spuštění a výsledky jsou shrnuty v dokumentaci ve formátu PDF.

    Při implementaci jsem vycházel z obecného frameworku pro neuronové sítě (originál najdete zde). Tento framework jsem patřičně rozšířil a poupravil pro využití i pro další typy neuronových sítí, takže pokud budete mít nějakou další implementaci této sítě, tak budu velmi rád, pokud ji dáte opět k dispozici i s popisem na našem SWIKI.

    Download

    • NN.zip - 3 soubory, které je potřeba "file-INovat" v pořadí jak jsou pojmenovány (číslo - obsah.st)
    • Dokumentace

    Odkazy na tuto stránku
    Administrátoři: Pavel Křivánek, Zbyněk Křivka