Материал: Sb97955
МИНОБРНАУКИ РОССИИ
Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В. И. Ульянова (Ленина)
А. В. ГОРЯЧЕВ Н. Е. НОВАКОВА
ТЕХНОЛОГИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
Санкт-Петербург
2018
- 1 -
МИНОБРНАУКИ РОССИИ
Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В. И. Ульянова (Ленина)
А. В. ГОРЯЧЕВ Н. Е. НОВАКОВА
ТЕХНОЛОГИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
Учебно-методическое пособие
Санкт-Петербург
Издательство СПбГЭТУ «ЛЭТИ»
2018
- 2 -
УДК 004.415.28 + 7.021.5(075) ББК З973.23 – 018я7
Г 71
Горячев А. В., Новакова Н. Е.
Г 71 Технологии искусственного интеллекта: учеб. -метод. пособие. СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2018. 36 с.
ISBN 978-5-7629-2336-1
Посвящено технологиям искусственного интеллекта. Содержит задания к лабораторным и практическим работам по дисциплинам «Технологии искусственного интеллекта» и «Основы искусственного интеллекта». Позволяет получить базовые знания в области искусственных нейронных сетей, генетического алгоритма и решения задач дискретной оптимизации на основе алгоритмов роевого интеллекта.
Предназначено для студентов дневной формы обучения по направлению 220300 «Информатика и вычислительная техника».
УДК 004.415.28 + 7.021.5(075) ББК З973.23 – 018я7
Рецензент: д-р техн. наук С. Ю. Лузин (ООО «Эремекс»).
Утверждено редакционно-издательским советом университета
в качестве учебно-методического пособия
ISBN 978-5-7629-2336-1 |
© СПбГЭТУ «ЛЭТИ», 2018 |
- 3 -
ЛАБОРАТОРНЫЕ РАБОТЫ
Работа 1. НЕЙРОННАЯ СЕТЬ ХЕММИНГА
Цель работы – приобретение и закрепление знаний и получение практических навыков работы с нейронной сетью Хемминга.
Краткие сведения из теории
Сеть Хемминга – это одна из наиболее многообещающих распознающих и классифицирующих нейронных сетей [1]. В этой сети чёрно-белые изображения представляются в виде m -мерных биполярных векторов. Своё название она получила от расстояния Хемминга, которое используется при нахождении меры сходства R входного и эталонных изображений, хранимых с помощью весов связей сети. Мера сходства определяется соотношением
R m Rx , |
(1.1) |
где m – число компонент входного и эталонных векторов; Rx – расстояние Хемминга между векторами.
Определение 1. Расстоянием Хемминга между двумя двоичными векторами называется число компонент, в которых векторы различны.
В силу определения расстояния Хемминга мера сходства изображений (1.1) может быть задана и как число a компонент двоичных векторов, в которых они совпадают: R a .
Запишем для биполярных векторов S (s1, ..., sm ) и Z (z1, ..., zm ) их скалярное произведение через число совпадающих и отличающихся компонент:
m |
|
S Z si zi a d . |
(1.2) |
i 1 |
|
Поскольку a – размерность векторов, то m a d , |
следовательно, |
скалярное произведение (1.2) можно записать в виде |
|
S Z 2a m. |
|
Отсюда несложно получить:
a m/ 2 S Z
2
|
m |
|
1 |
m |
|
|
|
|
|
si zi . |
(1.3) |
|
|
||||
|
2 |
|
2 i 1 |
|
|
- 4 -
Правую часть выражения (1.3) можно рассматривать как входной сигнал нейрона, имеющего m синапсов с весовыми коэффициентами zi / 2
(i 1, m) и смещением m/ 2 . Синапсы нейрона воспринимают m компо-
нент входного вектора S (s1, ..., sm ) . Такая интерпретация правой части выражения (1.3) приводит к архитектуре нейронной подсети, изображённой в нижней части рис. 1.1. Одни авторы называют сетью Хемминга сеть, изображенную на рис. 1.1, другие – только её нижнюю часть, считая, что приведённая сеть состоит из двух подсетей – Хемминга и Махnet. Будем придерживаться первой точки зрения.
Y 1 |
|
Y2 |
Yi |
|
Yn 1 |
Yn |
A1 |
A2 |
. . . |
Ai |
. . . |
An 1 |
A n |
|
|
|||||
Z 1 |
Z2 |
. . . |
Zi |
. . . |
Zn 1 |
Zn |
|
|
1 |
S2 |
Si |
S1 |
||
|
. . . |
. . . |
Рис. 1.1. Сеть Хемминга
Sm 1 
Sm
Сеть Хемминга имеет m входных нейронов S1, ..., |
Sm , воспринимаю- |
|
щих биполярные компоненты s1q ,..., smq |
входных |
изображений S q |
(q 1, L) . Выходные сигналы S -элементов определяются соотношением