Задание. 1. Ознакомьтесь с теоретической частью

1. Ознакомьтесь с теоретической частью.

2. Напишите программу на С, С++, реализующую конкурентную нейронную сеть.

3. Обучите конкурентную сеть с использованием правила (4.5) на количество образов, превышающих количество нейронов сети. Рекомендуется использовать нормированные векторы. Исходные данные – 5 классов образов, размер идеального образа 6×6 (в соответствии с вариантом).

4. Убедитесь, что похожие образы были спроецированы сетью в один кластер (подача их на вход активизирует один и тот же нейрон).

5. Подайте на вход тестовые образы, отличные от образов из обучающей выборки. Сделайте выводы.

6. Напишите отчет.

Содержание отчета:

· топология конкурентной нейронной сети;

· основные формулы обучения и воспроизведения;

· идеальные образы для обучения сети;

· тестовые зашумленные образы;

· результаты воспроизведения;

· результаты сравнения конкурентной нейронной сети с сетью РБФ и многослойным персептроном;

· выводы: преимущества и недостатки конкурентной нейронной сети.

Таблица 4.1

Варианты задания

№ варианта	1-й класс	2-й класс	3-й класс	4-й класс	5-й класс
	N	F	I	P	D
	L	U	T	O	K

Контрольные вопросы

1. Смысл самообучения.

2. Обучение конкурентной нейронной сети.

3. Определение нейрона-победителя.

4. Сеть Кохонена.

5. Использование самоорганизующихся сетей.

6. Достоинства и недостатки данного типа нейронной сети.

Литература

1. Aleksander I., Morton H. An Introduction to Neural Computing. — London: Chapman&Hall, 1990. – 570 р.

2. Головко, В. А. Нейронные сети: обучение, организация и применение: учеб. пособие для вузов.– М.: ИПРЖР, 2001. – 256 с.

3. Bishop C. M. Neural Networks for Pattern Recognition. – Oxford: Clarendon press, 1995.– 482 p.

4. Hopfield J.J. Neural networks and physical systems with emergent collective computational abilities // Proc. Natl. Acad. Sci. USA.– 1982.– Vol. 79.– P. 2554.

5. Kohonen T. Self-organization and associative memory. – Springer-Verlag, 1989.– 312 p.

6. Kohonen T. Self-organized formation of topologically correct feature maps // Biol. Cybernetics.– 1982.– Vol. 43.– P. 56-69.

7. Kohonen T. Self-organizing maps. –Springer-Verlag, 1995.– 362 p.

8. Rumelhart D.E., Hinton G.E., Wiliams R.J. Learning internal representation by error propagation: McClelland J.L. and Rumelhart D.E. (Eds). Parallel Distributed Processing: Exploration in the Microstructure of Cognition.– MIT Press, Cambridge MA.– 1986.– Vol. 1.– P. 318-362.

9. Хайкин, С. Нейронные сети: полный курс, 2-е изд.: пер. с англ. — М.: Издательский дом «Вильямс», 2006. — 1104 с.

10. Ежов, А. А., Шумский, С. А. Нейрокомпьютинг и его применение в экономике и бизнесе. – М.: Мир, 1998.– 222 c.

Св. план 2006, поз. 68

Учебное издание

Садыхов Рауф Хосровович

Лукашевич Марина Михайловна