资料中南大学人工智能实验报告.docx
- 文档编号:17644067
- 上传时间:2023-07-27
- 格式:DOCX
- 页数:3
- 大小:101.28KB
资料中南大学人工智能实验报告.docx
《资料中南大学人工智能实验报告.docx》由会员分享,可在线阅读,更多相关《资料中南大学人工智能实验报告.docx(3页珍藏版)》请在冰点文库上搜索。
资料中南大学人工智能实验报告
“人工智能”实验报告
一、神经网络实验群4
二、生产式系统实验群5
三、搜索策略实验群6
四、自动规划实验群8
五、实验心得和体会11
神经网络实验群
姓名
赵鼎平
指导老师:
黄芳
日期:
2013年11月7日
实验目的
理解反向传播网络的结构和原理,掌握反向传播算法对神经元的训练过程,了解反向传播公式。
通过构建BP网络实例,熟悉前馈网络的原理及结构。
网络
拓朴图
训练
数据集
(输入节点0,输入节点1,输入节点2,输入节点5)
(0,0,0,0)(0,0,1,0)(0,1,1,1)(1,0,0,0)(1,0,1,1)(1,1,0,1)(1,1,1,1)
(输入节点0,输入节点1,输入节点4)
(0,0,0)(0,1,0)(1,0,1)
(Known,New,Short,Home,Reads)
(1,1,0,1,0)(0,1,1,0,1)(0,0,0,0,0)(1,0,0,1,0)(1,1,1,1,1)(1,0,0,0,0)(0,0,1,0,0)(0,1,1,0,1)(1,0,0,1,0)(1,1,0,0,0)(0,0,1,1,0)(1,1,0,0,0)(1,0,1,1,1)(1,1,1,0,1)(1,1,1,1,1)(1,0,1,0,1)(1,1,1,1,1)(0,1,1,0,1)
训练误差
第1代误差1.68
第51代误差0.52
第101代误差0.11
第151代误差0.05
第201代误差0.03
第1代误差0.018
第51代误差0.010
第101代误差0.010
第151代误差0.010
第201代误差0.010
第1代误差4.67
第51代误差0.66
第101代误差0.12
第151代误差0.06
第201代误差0.03
模拟的问题或函数
多数赞成表决器
异或问题
MailReading(邮件信息识别)
观测结果
经过200代的进化,误差以明显的阶梯型降低
由于初始误差比较低,故经过50代的进化,误差已经极大地降低,几乎不再变化
经过200代的进化,误差极大地降低
学生结论
神经计算能够实现“多数赞成表决器”功能
单层的神经网络无法实现异或问题,但是含有中间层的BP网络却可以很好的解决异或问题
经过训练的BP网络可以进行邮件识别,解决信息识别的难题,可以极大地提高生产力
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 资料 中南 大学 人工智能 实验 报告