Определение оптимальных параметров нейросети в среде Matlab - Исследование метода обратного распространения ошибки для обучения нейронной сети

После выполнения программы появляются три графика. Результаты представлены на рисунках 4,5,6.

График ошибки при значении коэффициента скорости обучения 0,5.

График ошибки при значении коэффициента скорости обучения 1.

График ошибки при значении коэффициента скорости обучения 1,5

Анализируя полученные результаты, можно сделать вывод, что для эффективной работы нейросети, коэффициент скорости обучения должен принимать значения от 0,5 до 1. Коэффициент а в функции активации (7) нужно выбирать в пределах от 2 до 4. Количество шагов обучения лучше оставить равным 100. Конкретные значения нужно будет подобрать экспериментально, в зависимости от процента правильного распознавания при тех или иных значениях коэффициентов.

Программа разработанная на языке С#.

Анализируя графики ошибки обучения нейросети (рис. 2), а так же экспериментально были подобраны следующие параметры:

Количество шагов обучения - 100;

Коэффициент скорости обучения - 0,7;

Коэффициент сигмоида - 1,3;

Эффективность работы нейросети с этими параметрами так же была проверена при работе с другими классами чисел. Поэтому для данной нейросети лучше использовать именно эти значения.

При запуске вызываем Windows окно. Ознакомившись, вводим данные с клавиатуры, требуемые программой. Вычислительный эксперимент представлен на рисунках 8, 9.

Результат работы программы, представленный в Windows окне

Результат работы программы, представленный в Windows окне

При неправильном использовании возникают ошибки, представленные на рисунках 10, 11.

Ошибки при вводе данных

Ошибки при вводе данных

Похожие статьи




Определение оптимальных параметров нейросети в среде Matlab - Исследование метода обратного распространения ошибки для обучения нейронной сети

Предыдущая | Следующая