Запросы к задачнику - Функциональные модели универсального нейрокомпьютера

Запросы к задачнику позволяют последовательно перебирать все примеры обучающей выборки, обращаться непосредственно к любому примеру задачника и изменять обучающую выборку. Обучающая выборка выделяется путем "раскрашивания" примеров задачника в различные "цвета". Понятие цвета и способ работы с цветами описаны в разделе "Переменные типа цвет и операции с цветами".

Запросы последовательного перебора обучающей выборки:

"Инициировать выдачу примеров цвета К". По этому запросу происходит инициация выдачи примеров К-го цвета.

"Дать очередной пример". По этому запросу задачник возвращает предобработанные данные очередного примера и, при необходимости, правильные ответы, уровень достоверности и другие данные этого примера.

"Следующий пример". По этому запросу задачник переходит к следующему примеру обучающей выборки. Если такого примера нет, то возвращается признак отсутствия очередного примера.

Для непосредственного доступа к примерам задачника служит запрос "Дать пример номер N". Действия задачника в этом случае аналогичны выполнению запроса "Дать очередной пример".

Для изменения обучающей выборки служит запрос "Окрасить примеры в цвет К". Этот запрос используется редко, поскольку изменение обучающей выборки, как правило, осуществляется пользователем при редактировании задачника.

Похожие статьи

• Состав данных задачника, Цвет примера и обучающая выборка - Функциональные модели универсального нейрокомпьютера

  Компонент задачник является необходимой частью нейрокомпьютера вне зависимости от типа применяемых в нем нейронных сетей. Однако в зависимости от...

• Предыдущий (Prev) - Функциональные модели универсального нейрокомпьютера

  Описание запроса: Pascal: Function Prev( Handle : Integer ): Logic; C: Logic Prev(Integer Handle) Описание аргументов: Handle - номер сеанса. Назначение...

• Следующий (Next) - Функциональные модели универсального нейрокомпьютера

  Описание запроса: Pascal: Function Next( Handle : Integer ) : Logic; C: Logic Next(Integer Handle) Описание аргументов: Handle - номер сеанса. Назначение...

• Определение, получение и изменение данных, Дать пример (Get) - Функциональные модели универсального нейрокомпьютера

  К данной группе запросов относятся запросы позволяющие получать данные из задачника, заносить данные в задачник и сбросить предобработку (необходимо...

• Исполнитель, Описание компонента исполнитель - Функциональные модели универсального нейрокомпьютера

  Описание компонента исполнитель Компонент исполнитель является служебным. Это означает, что он универсален и невидим для пользователя. В отличие от всех...

• Персептрон Розенблатта - Функциональные модели универсального нейрокомпьютера

  Персептрон Розенблатта [147, 185] является исторически первой обучаемой нейронной сетью. Существует несколько версий персептрона. Рассмотрим классический...

• Классификация компонентов входных данных - Функциональные модели универсального нейрокомпьютера

  Информация поступает к нейронной сети в виде набора ответов на некоторый список вопросов. Можно выделить три основных типа ответов (вопросов). Бинарный...

• Начало и конец сеанса, Начало сеанса (InitSession), Конец сеанса (EndSession) - Функциональные модели универсального нейрокомпьютера

  К этой группе запросов относятся два запроса, открывающие и закрывающие сеансы работы с задачником. Начало сеанса (InitSession) Описание запроса: Pascal:...

• Предопределенные константы - Функциональные модели универсального нейрокомпьютера

  При описании различных компонентов возникает необходимость в использовании некоторого набора стандартизированных констант. Стандартность набора констант...

• Если в аргументе Instruct установлен бит Estimate, то, Ошибки компонента исполнитель - Функциональные модели универсального нейрокомпьютера

  14.6.1. Если в аргументе Instruct не установлен бит Interpret, то генерируется запрос к задачнику Get с аргументами Handle, AnsArray, tbAnswers (Получает...

• Запросы к компоненту исполнитель, Позадачная обработка (TaskWork) - Функциональные модели универсального нейрокомпьютера

  В данном разделе описаны запросы исполнителя с алгоритмами их исполнения. При описании запросов используется аргумент Instruct, являющийся целым числом,...

• Окраска примеров, Дать цвет примера (GetColor), Покрасить пример (PaintCurrent) - Функциональные модели универсального нейрокомпьютера

  В данный раздел помещены запросы для работы с цветами. Отметим, что цвет примера, возвращаемый запросом GetColor можно получить также с помощью запроса...

• Построение оценки по интерпретатору - Функциональные модели универсального нейрокомпьютера

  Если в качестве ответа нейронная сеть должна выдать число, то естественной оценкой является квадрат разности выданного сетью выходного сигнала и...

• Сигналы и параметры - Функциональные модели универсального нейрокомпьютера

  При использовании контрастирования для изменения структуры сети и значений обучаемых параметров другим компонентам бывает необходим прямой доступ к...

• Поля задачника - Функциональные модели универсального нейрокомпьютера

  Далее будем полагать, что задачник является реляционной базой данных из одной таблицы или набора параллельных таблиц. Каждому примеру соответствует одна...

• Простейшая предобработка числовых признаков, Оценка способности сети решить задачу - Функциональные модели универсального нейрокомпьютера

  Как уже отмечалось в разделе "Различимость входных данных" числовые сигналы рекомендуется масштабировать и сдвигать так, чтобы весь диапазон значений...

• Запросы к компоненту задачник, Чтение и запись задачника, Прочитать задачник (tbAdd) - Функциональные модели универсального нейрокомпьютера

  В этом разделе описаны все запросы, выполняемые компонентом задачник в виде процедур и функций. При описании используется синтаксис языков Object Pascal...

• Предобработчик - Функциональные модели универсального нейрокомпьютера

  Данная глава посвящена компоненту предобработчик [80, 150]. В ней рассматриваются различные аспекты предобработки входных данных для нейронных сетей....

• Запросы общие для всех компонентов, Стандарт типов данных - Функциональные модели универсального нейрокомпьютера

  В этом разделе описаны запросы, выполняемых всеми компонентами, а также типы данных, используемые при описании запросов. Стандарт типов данных При...

• Запрос к предобработчику, Запрос к исполнителю, Запросы к учителю, Запрос к контрастеру, Запрос к оценке, Запрос к интерпретатору ответа - Функциональные модели универсального нейрокомпьютера

  Предобработчик сам никаких запросов не генерирует. Единственный запрос к предобработчику - "Предобработать пример" может быть выдан только задачником....

• Составной предобработчик - Функциональные модели универсального нейрокомпьютера

  Поскольку на вход нейронной сети обычно подается несколько входных сигналов, каждый из которых обрабатывается своим предобработчиком, то предобработчик...

• Точка ветвления, Сумматор, Нелинейный Паде преобразователь, Нелинейный сигмоидный преобразователь, Адаптивный сумматор, Константа Липшица сигмоидной сети - Функциональные модели универсального нейрокомпьютера

  Поскольку в точке ветвления не происходит преобразования сигнала, то константа Липшица для нее равна единице. Сумматор Производная суммы по любому из...

• Запросы к компоненту интерпретатор ответа - Функциональные модели универсального нейрокомпьютера

  Запросы к компоненту интерпретатор ответа можно разбить на пять групп: Интерпретация. Изменение параметров. Работа со структурой. Инициация редактора и...

• Конец (Last), Начало (First), Пример номер (Example) - Функциональные модели универсального нейрокомпьютера

  Описание запроса: Pascal: Function Last( Handle : Integer ) : Logic; C: Logic Last(Integer Handle) Описание аргументов: Handle - номер сеанса. Назначение...

• Уровень уверенности - Функциональные модели универсального нейрокомпьютера

  Часто при решении задач классификации с использованием нейронных сетей недостаточно простого ответа "входной вектор принадлежит k-му классу". Хотелось бы...

• Запросы к компоненту сеть - Функциональные модели универсального нейрокомпьютера

  В данном разделе главы рассмотрены все запросы, исполняемые комп Онентом сеть. Прежде чем приступать к описанию стандарта запросов компонента сеть...

• Запросы, однотипные для всех компонентов - Функциональные модели универсального нейрокомпьютера

  Таблица 5 Префиксы компонентов Префикс Компонент Запроса Ошибки Ex 0 Исполнитель Tb 1 Задачник Pr 2 Предобработчик Nn 3 Сеть Es 4 Оценка Ai 5...

• Обработка ошибок, Процедура обработки ошибок, Установить обработчик ошибок (OnError), Дать номер ошибки (GetError) - Функциональные модели универсального нейрокомпьютера

  Схема обработки ошибок достаточно проста по своей идее - каждый новый обработчик ошибок может обрабатывать только часть ошибок, а обработку остальных...

• Примеры сетей и алгоритмов их обучения, Сети Хопфилда - Функциональные модели универсального нейрокомпьютера

  В этом разделе намеренно допущено отступление от общей методики - не смешивать разные компоненты. Это сделано для облегчения демонстрации построения...

• Функционирование сети - Функциональные модели универсального нейрокомпьютера

  Таблица 1 Однородные и неоднородные сумматоры Название Однородный сумматор Неоднородный сумматор Обозначение Значение Обозначение Значение Обычный ?...

• Конструирование нейронных сетей, Элементы нейронной сети - Функциональные модели универсального нейрокомпьютера

  Впервые последовательное описание конструирования нейронных с Етей из элементов было предложено в книге А. Н. Горбаня [65]. Однако за прошедшее время...

• Запрос на предобработку, Предобработать вектор сигналов (Prepare) - Функциональные модели универсального нейрокомпьютера

  Единственный запрос первой группы выполняет основную функцию компонента предобработчик - предобрабатывает входные данные, вычисляя вектор входных...

• Введение - Функциональные модели универсального нейрокомпьютера

  Общая характеристика работы Актуальность темы. В 80-е годы развитие информатики и средств вычислительной техники во многом определялось программой "Пятое...

• Описание нейронных сетей - Функциональные модели универсального нейрокомпьютера

  В первой части этой главы описана система построения сетей из элементов. Описаны прямое и обратное функционирование сетей и составляющих их элементов....

• Контрастирование и нормализация сети - Функциональные модели универсального нейрокомпьютера

  В последние годы широкое распространение получили различные методы контрастирования или скелетонизации нейронных сетей. В ходе процедуры контрастирования...

• Нормализовать сеть (NormalizeNet) - Функциональные модели универсального нейрокомпьютера

  Описание запроса: Pascal: Function NormalizeNet(Net : PString) : Logic; C: Logic NormalizeNet(PString Net) Описание аргумента: Net - указатель на строку...

• Установить параметры сети (nwSetData) - Функциональные модели универсального нейрокомпьютера

  Описание запроса: Pascal: Function nwSetData(Net : PString; DataType : Integer; Var Data : RealArray) : Logic; C: Logic nwSetData(PString Net, Integer...

• Случайное направление спуска (RandomDirection) - Функциональные модели универсального нейрокомпьютера

  Описание запроса: Pascal: Function RandomDirection( Net : PString; Range : Real ) : Logic; C: Logic RandomDirection(PString Net, Real Range) Описание...

• Изменить маску обучаемости (ModifyMask), Обнулить градиент (NullGradient) - Функциональные модели универсального нейрокомпьютера

  Описание запроса: Pascal: Function ModifyMask( Net : PString; Tipe : Integer; NewMask: PLogicArray ) : Logic; C: Logic Modify(PString Net, Integer Tipe,...

• Выполнить обратное Функционирование (Back) - Функциональные модели универсального нейрокомпьютера

  Описание запроса: Pascal: Function Back( Net : PString; BackOutSignals : PRealArray) : Logic; C: Logic Back(PString Net, PRealArray BackOutSignals)...

Запросы к задачнику - Функциональные модели универсального нейрокомпьютера

Предыдущая | Следующая