Методические указания к выполнению лабораторных работ по дисциплине «Интеллектуальные информационные системы» Санкт-Петербург icon

Методические указания к выполнению лабораторных работ по дисциплине «Интеллектуальные информационные системы» Санкт-Петербург


1 чел. помогло.

Смотрите также:
Методические указания к выполнению контрольных...
Методические указания к выполнению лабораторных работ Санкт-Петербург, 2007 г...
Методические указания по выполнению лабораторных работ по дисциплине «Информационные системы в...
Методические указания к дисциплине по выполнению лабораторных работ (практикумов) для студентов...
Методические указания по выполнению лабораторных работ по дисциплине «Безопасность...
Методические указания к выполнению лабораторных работ Факультет информатики и систем управления...
Методические указания к выполнению лабораторных работ по курсу “Электротехника и основы...
Методические указания по выполнению лабораторных работ №1-4 для студентов специальности 071900...
Методические указания к выполнению лабораторных работ рпк...
Методические указания по выполнению лабораторных работ для студентов дневной и заочной форм...
Методические указания к лабораторным работам По дисциплине...
Методические указания к выполнению лабораторных работ санкт петербург...



страницы: 1   2   3   4   5   6   7   8   9
вернуться в начало
скачать
^

    1. Лабораторная работа № 3


Цель работы: создание программного модуля для реализации вычислительной процедуры обучения с экспертом на основе инструментария универсальной системы MATLAB.

      1. ^

        Порядок выполнения работы





  1. Открыть универсальную систему MATLAB.

  2. Задать обучающие матрицы Аi и матрицу М размерности (4 х 3).

  3. Программно реализовать шаги 1-4 алгоритма вычислительной процедуры обучения с экспертом.

  4. Сохранить все результаты выполнения работы в файле на диске.



      1. ^

        Порядок оформления отчета



Отчетом о лабораторной работе № 3 является файл с именем, совпадающим с фамилией студента с результатами работы в папке Мои документы/номер группы.

      1. ^

        Пример выполнения лабораторной работы №3




В соответствии с п. 2 формируем обучающие матрицы трех эталонных классов Аi ,i=1,2,3 размерности (4 х 3) и анализируемую матрицу М размерности (4 х 3).




^ Рисунок 14 Обучающие матрицы трёх эталонных классов.


Для сформированных обучающих эталонных матриц Аi, i=1,2,3 вычисляем первые левые и правые сингулярные векторы Ui, Vi, i=1,2,3.









Рисунок 15


Используя эти компоненты, вычисляем значения энергии связи анализируемой матрицы М с эталонными обучающими матрицами Аi





Рисунок 16


Из вычисленных значений энергии связи формируем множество W=[W11, W21, W31], минимальное значение которого определяет принадлежность анализируемого объекта к соответствующему классу.

Вывод: анализируемый объект относится к первому классу.

      1. ^

        Контрольные вопросы





  1. Что такое энергия связи?

  2. Роль эксперта при реализации вычислительной процедуры обучения с экспертом.

  3. Что является мерой близости выбранного образа М к конкретному классу?

















  1. ^

    ВЫЧИСЛИТЕЛЬНАЯ ПРОЦЕДУРА ОБУЧЕНИЯ С ЭКСПЕРТОМ




    1. Математическая формализация задачи


Отнесение различных векторов индикаторов к одному классу может рассматриваться как агрегация исходных данных, при этом геометрическая близость (расстояние) между объектами формализуется с помощью соответствующей векторной нормы. Наиболее распространенной является евклидова норма:

.

Следовательно, задача обучения сводится к разбиению пространства индикаторов на классы (т.е. к проведению классификации), а задача распознавания сводится к определению класса (т.е. к проведению кластеризации) zj={X}j, j=1,…,k с помощью выбранной векторной нормы:

.

Как известно, с помощью векторной нормы можно определить понятие расстояния между вектором и классом, а также понятие расстояния между классами.

С точки зрения распознавания образов полагается, что чем меньше значение выбранной нормы, тем сходство между объектами больше.

Определим образ как n-мерный вектор-столбец X=[x1, x2,…,xn], где x1, x2,…,xn являются вещественными числами, и индекс T является символом транспонирования матрицы.

Представим задачу распознавания образов как отображение f(X)→{1,…,c} любого образа X в одно из целых чисел 1,…,c, которые представляют классы.

Задача распознавания образов может быть сформулирована следующим образом:

Дано:

  • Число классов c;

  • набор из m обучающих образов: X1,….,Xm;;

  • класс любого обучающего образа:f(X1)=c1…,f(Xm)=cm;

  • произвольный n-мерный вектор P.

Найти:

Класс вектора P: f(P)=?.

Для реальных задач исходные данные в самом общем случае являются многомерными и допускают представление в виде массивов (векторов) вещественных и/или целых чисел. Как было отмечено выше, одной из основных особенностей ИК-алгоритма распознавания образов является проекция произвольных данных в пространство ФИС. Такое преобразование обладает следующими преимуществами:

  • имеет строгое математическое обоснование в терминах сингулярного разложения матриц;

  • существенно снижает размерность данных (до одно- двух- или трехмерного пространства ФИС);

  • позволяет наглядно представить и визуализировать любую ситуацию как точку одно- двух- или трехмерного пространства.

Рассмотрим математическое описание основных процедур алгоритма иммунокомпьютинга.
    1. Обучение


  1. Сформировать обучающую матрицу A=[X1,…,Xm]T размерности m×n.

  2. Вычислить максимальное сингулярное число s, а также левый и правый сингулярные векторы U и V обучающей матрицы по следующей итеративной (эволюционной) схеме:



до выполнения условия



  1. Хранить сингулярное число s.

  2. Хранить правый сингулярный вектор V как антитело-пробу.

  3. Для всякого i=1,…,m хранить компоненту ui левого сингулярного вектора U (как клетку формальной иммунной сети) и класс ci, соответствующий обучающему образу Xi.




    1. оставить комментарий
      страница6/9
      Дата17.10.2011
      Размер0,62 Mb.
      ТипМетодические указания, Образовательные материалы
Добавить документ в свой блог или на сайт

страницы: 1   2   3   4   5   6   7   8   9
хорошо
  1
отлично
  1
Ваша оценка:
Разместите кнопку на своём сайте или блоге:
rudocs.exdat.com

Загрузка...
База данных защищена авторским правом ©exdat 2000-2017
При копировании материала укажите ссылку
обратиться к администрации
Анализ
Справочники
Сценарии
Рефераты
Курсовые работы
Авторефераты
Программы
Методички
Документы
Понятия

опубликовать
Документы

наверх