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