MultiLayerPerceptron

Обучение многослойного перцептрона с одним скрытым слоем методом обратного распространения ошибки.

Требования

• Использовать логистическую функцию активации (сигмоида)
• Первоначальные веса – вещественные числа от -1.0 до 1.0
• Величина коэффициента обучения: 0,05; 0.1; 0.25; 0.5; 0.75; 0.9
• Провести 6 экспериментов (с разными коэффициентами обучения)
• Количество эпох обучения: 300
• Вывод результатов обучения по эпохам – среднеквадратичная ошибка
• Построить графики по каждому эксперименту с изменением значения ошибки в процессе обучения по эпохам (по оси X – эпохи, по оси Y – значения среднеквадратичной ошибки)

Структура сети и набор данных

Исходный набор данных доступен тут. Он содержит 150 строк (примеров) и 5 столбцов (первые 4 – признаки, последний – класс цветка, задан в виде текста, но нужно закодировать в виде чисел). В таблице ниже заданы дополнительные условия для разных вариантов.

	Вариант №1	Вариант №2	Вариант №3
Набор данных (100 примеров, по 50 на класс)	Iris-setosa Iris-versicolor	Iris-versicolor Iris-virginica	Iris-setosa Iris-virginica
Количество нейронов скрытого слоя	3	4	5

Для реализации был выбран вариант №3:

Набор данных: Iris-setosa и Iris-virginica
Количество нейронов скрытого слоя: 5

Пример результатов обучения