Практическая работа №9

Тема: Распознавание  образов данных (Сеть Хемминга)

 

Цель: Изучение функционирования нейроподобных элементов  в виде сети Хемминга. Разработка программы  для  разпознавания  образов при преобразовании  информации.      

Практические задания:

Алгоритм функционирования сети Хэмминга следующий:

На входы сети подается неизвестный вектор X = {xi:i=0...n-1}, исходя из которого рассчитываются состояния нейронов первого слоя (верхний индекс в скобках указывает номер слоя):

, j=0...m-1 (7)

После этого полученными значениями инициализируются значения аксонов второго слоя:  yj(2) = yj(1), j = 0...m-1 

 

Вычислить новые состояния нейронов второго слоя:

 

должна быть достаточно большой, чтобы любые возможные значения аргумента не приводили к насыщению.

 

Проверить, изменились ли выходы нейронов второго слоя за последнюю итерацию. Если да – перейди к шагу 2. Иначе – конец.

Из оценки алгоритма видно, что роль первого слоя весьма условна: воспользовавшись один раз на шаге 1 значениями его весовых коэффициентов, сеть больше не обращается к нему, поэтому первый слой может быть вообще исключен из сети (заменен на матрицу весовых коэффициентов), поэтому так можно сделать в ее конкретной реализации,

Сеть классифицирует произвольные бинарные или аналоговые образы x (x1...xn ) в один из M классов. При этом начальное значение y j (0) нейронов в выходном слое определяется двумя способами в зависимости от характера векторов памяти. Но в обоих случаях вектор стимула x с начало нормируется.

Если векторы памяти являются бинарными, то y j (0) соответствует перекрытиям нормированного вектора стимула с нормированными векторами памяти. Если векторы памяти являются аналоговыми, то y j (0) выбирается в соответствии с величиной расстояния Хемминга между нормированными векторами памяти и стимула, с помощью пороговой функции F. 

После сформирования начальных значений нейронов выходного слоя  (в этом слое все нейроны связаны между собой) выполняются итерации, про которых самодействие каждого нейрона является положительным, а вклад остальных нейронов этого слоя отрицателен. С помощью итераций выделяется тот нейрон, у которого значение y j (0) было максимальным, т. е. итерации прекращаются, когда только один из нейронов имеет ненулевое значение, а номер этого нейрона и определяет результат классификации.

 

4. Алгоритм программы

 

Инициализация весов (можно  взять из файла “obraz.txt”).

Ввод распознаваемого образа.

Определение  кодовое расстояние d[ j].

Определение максимального сходство искомого образа с одним из исходных.

y[ j] porog  d[ j].

Вывод результата.

 

Пример  результата   работы сети Хемминга при разпознавании образоа цифры.

1. Введите образ:  1111

1111

0011

0011

0011

0011

Результат: 7

 

Введите образ:  1111

0011

1111

1111

1100

1111

2. Результат: 2

 

Содержание отчета:

Цель работы.

Краткое описание хода  работы.

Ответы на вопросы.

Листинг программы

Заключение.

 

 

Темы рефератов

1. Продукты для интеллектуального анализа данных

2. Концепция построения и реализации информационных систем, ориентированных на анализ данных

 

Литература

1. Диго С.М. Проектирование баз данных (учебник).- М.:Финансы и статистика,1988.- 216с.*

2. Диго С.М. Проектирование и использование баз данных. Учебник. - М.: Финансы и статистика, 1995 – 208с.