хочу увидеть пример решения любой задачи с использованием нейронной сети, больше всего меня интересует процес обучения нейронной сети

Могу привести простой пример по ОДНОСЛОЙНОМУ ПЕРСЕПТРОНУ.

В алгоритме персептрона в основу положен принцип действия нейрона. Обобщенная схема нейрона представлена на рисунке. x1..xi – прецеденты; Sum– сумматор; W1..Wi– синоптические веса (синопсы); f – функция активации; W0 – порог. В нейроне на функцию активации приходит выражение Sum Wi xi, которое необходимо сравнивать с порогом W0. Таким образом, дискриминантная функция имеет вид:
g(x) = Sum Wi xi + W0
Тогда задача построения линейного классификатора сводится к задаче обучения нейрона, т.к. при g(x)>0 – класс Q1 , при g(x)<=0 – класс Q2. Обучение состоит в коррекции синоптических весов и порога.

Алгоритм коррекции весов (Персентрона). (Обучение)
Коррекция весов происходит путем проверки классификации очередного прецедента .
Если xi+1 in Q1 и (Wi xi+1)>0 , то Wi+1 = Wi.
Если xi+1 in Q1 и (Wi xi+1)<=0 , то Wi+1 = Wi + xi+1.
Если xi+1 in Q2 и (Wi xi+1)<0 , то Wi+1 = Wi.
Если xi+1 in Q2 и (Wi xi+1)>=0 , то Wi+1 = Wi - xi+1.
Данную процедуру коррекции необходимо повторять до тех пор, пока не получится верный результат.

Куча хороших примеров есть в системе Matlab.

Вообще эта схема восновном подходит для распознавания 2 х классов прецедентов.
Сначала необходимо определить какие признаки имеются у распознаваемых объектов. По этому поводу, кстати, говорится в литературе, что я тебе выслал.
Представить из в виде числовой информации. Естесственно размерность векторов прецедентов у каждого класса должна быть равная.
В начале ВЕСА инитиш = 0; Затем обучаешь по алгоритму. Если поймешь алгоритм обучения, то поймешь как распознавать. От противного, что называется.

влитература почемуто не открывается там ошибка какаята..

Цитата

Теперь я расскажу о своей задачи

мне надо построить систему предсказания......

есть 10 груп событий, в каждой группе на определенном промежутки времени происходит событие, эти промежутки повторяються с определенным интервалом.

результатом события является два числа, например 2-1 или 1-2 или 0-1 и т.д.
задача состоит в том чтобы предсказать результат 6 события по первым 5.

Цитата

Теперь особенности связей событий

Каждое последующее событие в группе зависит от предыдущих результатов этой же группы и зависит от результатов предыдущих событий других групп.
взаимосвязь между группами:
например второе событие в первой группе - результат зависит от результатов события в первой группе и результата события во второй; треть событие зависит от результатов этой группы и от результатов третий группы и т.д. доходим до шестого события взаимодействует 1 и 6 группа результат будет зависить от результатов 1 групы и результатов 6 группы - этот результат и надо спрогнозировать;

особенности при оценки результатов 6 группы надо брать во внимания что 6 группа уже взаимодейстовала с группами с которыми уже взаимодейсвовала 1 группа.....


хочу услышать ваши мнения...... по решению задачи......



могу сказать только одно - решения этой задачи приведе к бешенной прибыли........ вам тоже что-то переподет , могу выложить эксперементальные данные 19 груп по 38 событий в каждой. для предсказания должно использоваться не более 10 результатов. если система сможет предсказывать разницу двух чисел - то прогноз будет приносить еще больше денег...

Фирма Сименс продает специальные PCI платы, которые ориентированы на решение конкретного множества задач (например - распознавание образа). Так вот в этих платах аппаратно реализована модель нейронной сети, оптимально подобранная для решения подобной задачи. Прилагается софт, который помогает настроить плату и обучить сеть.

Цитата(B2_Russia @ 4.7.2003, 09:33)

Могу привести простой пример по ОДНОСЛОЙНОМУ ПЕРСЕПТРОНУ. В алгоритме персептрона в основу положен принцип действия нейрона. Обобщенная схема нейрона представлена на рисунке. x1..xi – прецеденты; Sum– сумматор; W1..Wi– синоптические веса (синопсы); f – функция активации; W0 – порог. В нейроне на функцию активации приходит выражение Sum Wi xi, которое необходимо сравнивать с порогом W0. Таким образом, дискриминантная функция имеет вид: g(x) = Sum Wi xi + W0 Тогда задача построения линейного классификатора сводится к задаче обучения нейрона, т.к. при g(x)>0 – класс Q1 , при g(x)<=0 – класс Q2. Обучение состоит в коррекции синоптических весов и порога. Алгоритм коррекции весов (Персентрона). (Обучение) Коррекция весов происходит путем проверки классификации очередного прецедента . Если xi+1 in Q1 и (Wi xi+1)>0 , то Wi+1 = Wi. Если xi+1 in Q1 и (Wi xi+1)<=0 , то Wi+1 = Wi + xi+1. Если xi+1 in Q2 и (Wi xi+1)<0 , то Wi+1 = Wi. Если xi+1 in Q2 и (Wi xi+1)>=0 , то Wi+1 = Wi - xi+1. Данную процедуру коррекции необходимо повторять до тех пор, пока не получится верный результат.

по такому принципу можно обучить один нейрон, но не сеть которая получается в моем случае т.к. я не могу знать експерементального (не прогнозируемого) результата после первого набора нейронов, по моим оценкам мне нужно три уровня нейронов... как минимум 3

люди, почитал я посты... осознал, что тут ничего не понимаю, но умные слова мне понравились мож кто кинет ссылочку на статейку для чайников.

http://alife.narod.ru
http://rusnauka.narod.ru/

Цитата

результата после первого набора нейронов, по моим оценкам мне нужно три уровня нейронов... как минимум 3

Да, причем первой слой т.н. "скрытый" и и спользуется только для правильной "разводки" сигнала по нейронам второго уровня

DENNN по моему ты слегка не вехал или я слегка не доехал,

у меня каждый уровень дает данные для прогноза, но сами по себе уровени дают слабый прогноз который выполняется в 25 процентах случаев, и по чему так происходит мне понятно, но мне надо более достоверный результат для этого на втором уровни я провожу прогнозирования на основе результата которые мне дали 4 нейрона 1 уровня, в результате я получаю два выхода, которые мне тоже не дают более меннее достоверных данных, я ввожу третий уровень.... плюс к этому на втором уровне уменя появляються еще входные данные

Цитата

Да, причем первой слой т.н. "скрытый" и и спользуется только для правильной "разводки" сигнала по нейронам второго уровня

мы под слоями видать разное понимаем...

Step
Рекомендую все же начать с основ. На сайте http://www.matlab.ru можно найти некоторые сведения из теории и примеры решения задач. Также полезная инфа есть на http://www.basegroup.ru и можно исходники скачать.

От модератора: всем, кто тут флеймит, напоминаю, что это недопустимо. Вы не только мешаете авторам вопросов получать полезную информацию, но и крадете время у администрации форума на очистку тем от мусора. Считайте это 101-м китайским предупреждением.

Step[/B], я временно отсутствовал, сорри.
Да пример элементарнейший, а задачка у тебя прямо так скажем - непростая.
Обсуждение таких задач, или подобных, я видел уже много. Это смахивает на подбор ключей (паролей). Вобщем, я могу поразмыслить над этой задачкой, только мне нужно с тобой через мыло поговорить. Если есть вышли постановку задачи, с как можно более подробным описанием.

С уважением, B2_Russia.