Hekovnik TP/1

• O hekovniku
• Projekti
• Članstvo
• Kje smo
• Kontakt
• Blog

AI urice 2: Nevronske mreže

Naloge

1. Nauči samo-organizirajočo karto urediti barve podane kot vektor 3 realnih števil med 0 in 1 (RGB) v mrežo 40x40.

   Namig

   • Za vizualizacijo si pomagaj s knjižnico ZPNG (celoten direktorij skopiraš v /sites podmapo Lisp implementacije. Ne pozabit na odvisnosti.)

2. Z Rprop nauči večslojno NM, da napoveduje vrednost opcij po Black-Scholes modelu. Vhodni podatki so volatility, preostali čas in strike price. Cilj je R² < 0.999999 in absolutna napaka < 0.005.

   Učni podatki

   Namig

   • Dobro izhodišče je topologija 3 vhodi-1 skriti sloj z 20 nevroni-1 izhod.
   • Za res dobre rezultate bo najverjetneje potreben še kakšen skrit sloj.
   • Dobro izhodišče za dodajanje skritih slojev je, da naj število nevronov od vhoda narašča in proti izhodu vpada (glej map-reduce).
   • load

Gradivo

• Splošno
  • Nevronske mreže
  • Introduction to Neural Networks
  • Neural Networks - A Systematic Introduction
  • Self-Organizing Maps
• Članki/napredno
  • Recurrent Neural Networks
  • Turing Machines are Recurrent Neural Networks
  • Approximation by Superpositions of a Sigmoidal function
    Cybenkov izrek.
  • Hierarchical Learning in Neural Network