技能训练

[b](1)什么是人工神经网络?[/b]
[b](2)简述神经网络的正向及反向传播过程。[/b]
[b](3)简述神经网络的应用。[/b]
[b](4)人工神经网络大数据算法操作实践。[br][/b][br] ① 作业目的。[br][br] 旨在让学生了解人工神经网络的分类机制,借助图形变换感知算法的空间变换及核函数的应用。对学生在 Orange 中的应用不做要求。[br][br] ② 作业准备。[br][br] [b][color=#0000ff] [url=https://orangedatamining.com/download/]Orange3 软件下载[/url][icon]/images/ggb/toolbar/mode_zoomin.png[/icon][/color][/b]并安装。[br][br] 演示网站地址:[br][br] Google Tensorflow-Playground:二分类神经网络训练模型。网址为[b][url=https://playground.tensorflow.org/#activation=tanh&batchSize=10&dataset=circle®Dataset=reg-plane&learningRate=0.03®ularizationRate=0&noise=0&networkShape=4,2&seed=0.44007&showTestData=false&discretize=false&percTrainData=50&x=true&y=true&xTimesY=false&xSquared=false&ySquared=false&cosX=false&sinX=false&cosY=false&sinY=false&collectStats=false&problem=classification&initZero=false&hideText=false][color=#0000ff]http://playground. tensorflow.org[/color][/url][icon]/images/ggb/toolbar/mode_zoomin.png[/icon][/b]。[br][br] ConvnetJs demo:二分类神经网络训练模型,可以增删隐藏层及神经元个数。网址为[br][color=#0000ff][b][url=https://cs.stanford.edu/people/karpathy/convnetjs/demo/classify2d.html]https://cs.stanford.edu/people/karpathy/convnetjs/demo/classify2d.html[/url][icon]/images/ggb/toolbar/mode_zoomin.png[/icon][/b][/color]。[br][br] ③ 作业内容。[br][br] 作业包括两个部分:[br][br] ● Google Tensorflow 参数操作;[br][br] ● ConvnetJs 参数操作。[br][br] a. Google TensorFlow 参数。[br][br] 设置 Learning rate,Activation,Regularization,Regularization rate 及 Problem Type 参数,[br][br] 按要求完成填报,如表 2-7-2 所示。[br] [br] 表 2-7-2 参数填报[br][img]https://s21.ax1x.com/2025/02/18/pEMr14P.jpg[/img][br][br] b. ConvnetJs 参数操作。[br][br] 设置数据选项,包含 simple data,circle data,spiral data,random data。[br][br] 设置核心函数,包含 fc(6),tanh(6),fc(2),tanh(2)等。[br][br] 设置分类点控制:添加红点(Click)、添加绿点(SHIFT+Click)、去除点(CTRL+Click)。
按要求完成填报,如表 2-7-3 所示。[br]
[center][/center][size=100][center]表 2-7-3 参数填报[/center][/size]
c. 撰写数据测试报告。[br][br]
Chiudi

Informazioni: 技能训练