Дополнительные задания
к лабораторной работе N2

"Программирование искусственной нейронной сети"

по курсу

"Искусственные нейронные сети"

1. Запрограммировать искусственную нейронную сеть, обеспечивающую классификацию сортов растения ирис (Iris Setosa - 0, Iris Versicolour - 1, Iris Virginica - 2) по четырем размерам пестиков и тычинок его цветков.

Iris Setosa


Iris Versicolour


Iris Virginica


Файл iris.dat.gz содержит по 50 примеров каждого класса, первые 100 записей использовать для обучения, а последние 50 - для проверки. Файл iris_CR.dat.gz содержит пронормированную версию тех же данных.

2. Запрограммировать искусственную нейронную сеть, обеспечивающую классификацию участков земной поверхности по их "снимкам" из космоса. Каждый снимок имеет размер 3x3 "пикселя", каждый пиксель характиризуется четырьмя значениями (4 различных спектральных диапазона). Различаются 7 типов почвы:

  1. - глинистая (красная) почва;
  2. - посевы технических культур (хлопок);
  3. - серая почва;
  4. - увлажненная серая почва;
  5. - покос (стерня);
  6. - смесь всех перечисленных покрытий (примеров нет);
  7. - очень влажная серая почва.
Файл satimage.dat.gz содержит 6435 записей, первые 5000 записей использовать для обучения, а остальные - для тестирования. Файл satimage_CR.dat.gz содержит пронормированную версию тех же данных.

3. Обучение многослойного персептрона игре в крестики-нолики 3x3. Клетки проиндексированы от 1 до 9. Входным является девятиэлементный вектор, в котором в соответствующей позиции задается 0, если в ней находится 0, 1 - если x и 0.5, если клетка пуста. На выходе необходимо иметь новое положение после хода нейросети (нейросеть учится играть ноликами). Начинают крестики.
Пример. 

Позиция на входе                ...         .X.         ...
Код входа                       0.5 0.5 0.5 0.5 1.0 0.5 0.5 0.5 0.5
Ответ нейросети                 0.5 0.5 0.5 0.5 1.0 0.0 0.5 0.5 0.5
Позиция после хода нейросети    ...         .XO         ...
Подсказка. Сыграйте сами с собой несколько примерных партий, записывая последовательности ходов. Обучите нейросеть, задав все ходы-ответы ноликами. Далее пытайтесь играть с нейросетью, если она будет выдавать неверный (или невозможный) ответ, сделайте ход за нее и включите этот пример в обучающую выборку, продолжите обучение.

4. В этой задаче рассматривается печальная статистика трагедии 14 апреля 1912 года с океанским лайнером "Титаник". Из 2201 находившихся на судне спаслись 711. Требуется исследовать статистическое влияние на выживаемость людей следующих факторов:

  1. класс каюты (0 - первый класс, 1 - второй, 2 - третий, 3 - член экипажа);
  2. возраст (0 - ребенок, 1 - взрослый);
  3. пол (0 - женщина, 1 - мужчина).
Выход сети - заключение о выживаемости (0 - погиб, 1 - выжил).
Исходные данные представлены в файле titanic.data.gz.

5. Классификация типов стекол по их физико-химическим свойствам в судебно-следственной практике. Осколки стекол характиризуются следующими девятью параметрами:

  1. показатель преломления;
  2. весовая доля оксида(оксидов) натрия;
  3. весовая доля оксида(оксидов) марганца;
  4. весовая доля оксида(оксидов) алюминия;
  5. весовая доля оксида(оксидов) кремния;
  6. весовая доля оксида(оксидов) калия;
  7. весовая доля оксида(оксидов) кальция;
  8. весовая доля оксида(оксидов) бария;
  9. весовая доля оксида(оксидов) железа.
Необходимо различать семь видов стекол:
  1. оконное стекло 1-ого типа;
  2. оконное стекло 2-ого типа;
  3. автомобильное стекло;
  4. ;
  5. стеклянные сосуды;
  6. настольное стекло;
  7. стекло фар автомобиля.
В файле glass.data.gz хранятся данные для 214 образцов стекол. Для обучения использовать первые 180 примеров, остальные - для тестирования.