Нейроемулятор Sharky Neural Network

Sharky Neural Network є безкоштовною комп'ютерною програмою, яка здійснює класифікацію за допомогою нейронних мереж.

Програма Sharky Neural Network створена в навчальних цілях для кращого розуміння нейронних мереж.

Sharky Neural Network класифікує 2D-точки в два різні класи (жовтий і синій). Вона не класифікує форми, форми можна бачити як візуалізацію масивів класифікованих точок. Програма розпізнає лише сині та жовті 2D-точки, що описуються двома значеннями.

Поширені питання про Sharky

Для чого призначена нейронна мережа Sharky?: Для розваги, для освіти, для кращого розуміння нейронних мереж.
Чи є нейронна мережа Sharky безкоштовною?: Так, нейронна мережа Sharky є у вільному доступі. Її можна використовувати як для приватного так і комерційного використання.
Що розпізнає нейронна мережа Sharky?: Ця нейронна мережа є класифікатором 2D точок в два різних класи (жовтий і синій). Точки можна розподіляти в вигляді різних форм.
Чому ця мережа має структуру 2 : х : 2?: Перша цифра "2" означає 2 входи, оскільки кожна 2D точка має два значення: х і у. Остання цифра "2" означає 2 виходи, оскільки мережа Sharky класифікує в 2 різних класи (жовтий, синій).
Яка будова нейрону мережі?: Кожен нейрон має зміщення і використовує біполярну сигмовидну функцію активації (F(х) = 2/(1+е-bх)-1).
Чи можна додати власні пункти?: В програмі можна додавати, видаляти, завантажувати або зберігати точки. Для додавання багатьох точок відразу (спрей) використовуйте Ctrl + лівий клік
Чи можна визначити власні фігури?: Ні. Можна лише вибирати пункти налаштувань в призначеній для користувача формі. Проте, "Verification" та "Generate points" не працюватиме належним чином.
Як ви створили "N" логотип?: Ви можете зробити це самостійно. Просто відкрийте пункти (Ctrl + O) від шляху нижче (C:\Program Files\Sharky Neural Network\points\N.points), виберіть структуру мережі, параметри навчання настройки і натисніть кнопку "Learn".

Порядок роботи

Запустити нейроемулятори.
Уважно ознайомитися з методикою використання нейронної мережі.
Пройти всі кроки тестового завдання і проаналізувати отримані результати.
Сформувати власні дані для навчання.
Пройти всі кроки навчання на нових даних, але приділити більшої уваги налаштуванню параметрів нейроемулятора.
Проаналізувати отримані результати і зробити висновок.

Зміст звіту

Назва та мета виконання лабораторної роботи.
Можливості нейроемуляторів.
Особливості навчання нейронної мережі та вплив налаштувань параметрів на вихідні результати.
Характеристика основних параметрів налаштування.
Аналітичні висновки щодо властивостей програм та отриманих результатів.