LUCRARE DE LABORATOR NR. 5

SIMULAREA SOFTWARE
A RETELELOR NEURONALE MLP ( II )


1. SCOPUL LUCRARII
În aceasta lucrare se studiaza o retea neuronala multi-layer perceptron ( MLP ), antrenata pentru recunoasterea de forme, care are intrari analogice. Reteaua este antrenata cu sabloanele salvate într-un fisier text, dupa care ea este testata cu date de intrare noi, diferite de cele pe care le-a învatat. De asemenea, se studiaza caracteristicile generale ale simulatoarelor de retele neuronale.


2. BREVIAR TEORETIC
În general, o retea neuronala poate fi implementata în trei moduri distincte:
-simulata soft, pe un calculator secvential
-simulata soft pe un calculator paralel (un sistem cu mai multe procesoare)
-implementata hard
În privinta utilizarii simulatoarelor, pentru rezolvarea unei aplicatii concrete, trebuie avute în vedere urmatoarele aspecte:
-Alegerea tipului de retea neuronala
Majoritatea retelelor neuronale utilizate practic sunt de tipul perceptron multistrat ( MLP ) si utilizeaza algoritmul de backpropagation pentru învatare. Algoritmul de backpropagation foloseste eroarea între iesirile actuale (rezultate prin calcul, propagând înainte valorile de pe intrari, specificate de sabloane) si iesirile asteptate (cele impuse de sablonul curent), pentru a ajusta fiecare pondere. Ajustarea ponderilor se face secvential, plecând de la ultimul strat (cel de iesire), spre primul strat (cel de intrare).
-Alegerea intrarilor (numarul si tipul lor)
În general alegerea intrarilor este o problema dificila. Iesirile retelei sunt mai clar impuse de problema concreta analizata, pe când intrarile nu. O regula empirica de alegere a intrarilor este urmatoarea: "cu cât mai multe date, cu atât mai bine!" Aceasta regula se aplica atât la numarul intrarilor unei retele, ca si la numarul sabloanelor de antrenare.
Intrarile suplimentare nu afecteaza acuratetea rezultatelor furnizate de retea în problema concreta rezolvata, chiar daca anumite intrari se dovedesc